論文の概要: DisProtEdit: Exploring Disentangled Representations for Multi-Attribute Protein Editing

• arxiv url: http://arxiv.org/abs/2506.14853v1
• Date: Tue, 17 Jun 2025 06:12:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.430858
• Title: DisProtEdit: Exploring Disentangled Representations for Multi-Attribute Protein Editing
• Title（参考訳）: DisProtEdit: マルチ属性タンパク質編集のためのアンタングル表現の探索
• Authors: Max Ku, Sun Sun, Hongyu Guo, Wenhu Chen,
• Abstract要約: DisProtEditは、デュアルチャネル自然言語管理を利用する制御可能なタンパク質編集フレームワークである。 DisProtEditは、明示的にセマンティックファクタを分離し、モジュールと解釈可能なコントロールを可能にする。
• 参考スコア（独自算出の注目度）: 48.819599672346136
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce DisProtEdit, a controllable protein editing framework that leverages dual-channel natural language supervision to learn disentangled representations of structural and functional properties. Unlike prior approaches that rely on joint holistic embeddings, DisProtEdit explicitly separates semantic factors, enabling modular and interpretable control. To support this, we construct SwissProtDis, a large-scale multimodal dataset where each protein sequence is paired with two textual descriptions, one for structure and one for function, automatically decomposed using a large language model. DisProtEdit aligns protein and text embeddings using alignment and uniformity objectives, while a disentanglement loss promotes independence between structural and functional semantics. At inference time, protein editing is performed by modifying one or both text inputs and decoding from the updated latent representation. Experiments on protein editing and representation learning benchmarks demonstrate that DisProtEdit performs competitively with existing methods while providing improved interpretability and controllability. On a newly constructed multi-attribute editing benchmark, the model achieves a both-hit success rate of up to 61.7%, highlighting its effectiveness in coordinating simultaneous structural and functional edits.
• Abstract（参考訳）: 本稿では,2チャンネルの自然言語管理を利用して,構造的および機能的特性の非絡み合い表現を学習する,制御可能なタンパク質編集フレームワークであるDisProtEditを紹介する。 統合全体的な埋め込みに依存する従来のアプローチとは異なり、DisProtEditは意味的要素を明示的に分離し、モジュールと解釈可能な制御を可能にする。 これをサポートするために、SwissProtDisという大規模マルチモーダルデータセットを構築し、各タンパク質配列と2つのテキスト記述をペアリングする。 DisProtEditは、アライメントと均一性の目的を使って、タンパク質とテキストの埋め込みをアライメントする。 推論時には、テキスト入力を1つまたは両方変更し、更新された潜在表現から復号することで、タンパク質編集を行う。 タンパク質編集および表現学習ベンチマークの実験は、DisProtEditが既存の手法と競合し、解釈可能性と制御性を向上させることを示した。 新たに構築されたマルチ属性編集ベンチマークでは、両方のヒットの成功率を61.7%まで達成し、同時に構造的および機能的な編集をコーディネートする効果を強調した。

関連論文リスト

• Image Editing As Programs with Diffusion Models [69.05164729625052]
  本稿では,Diffusion Transformer (DiT) アーキテクチャ上に構築された統合画像編集フレームワークである IEAP (Image Editing As Programs) を紹介する。 IEAPは、複雑な編集命令を原子操作のシーケンスに分解して、リダミストレンズによる命令編集にアプローチする。 我々のフレームワークは、特に複雑なマルチステップ命令に対して、より優れた精度とセマンティック忠実度を提供する。
  論文  参考訳（メタデータ） (2025-06-04T16:57:24Z)
• Tuning-Free Image Editing with Fidelity and Editability via Unified Latent Diffusion Model [60.82962950960996]
  拡散遅延最適化を行うチューニング不要なUnifyEditを導入する。 本研究では, 自己注意保持制約(SA)と相互注意アライメント制約(CA)の2つを開発し, テキストアライメントの強化を図る。 提案手法は,様々な編集作業における構造保存とテキストアライメントのバランスを保ち,他の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2025-04-08T01:02:50Z)
• FineEdit: Unlock Instruction-Based Text Editing for LLMs [9.795246551841586]
  FineEditは、コンテキスト対応のテキスト修正のために明示的に訓練された特殊な編集モデルである。 FineEditはシングルターン編集で最先端のモデルより優れており、Llama-3.2-3Bより30%も上回り、Mistral-7B-OpenOrcaのパフォーマンスを40%以上上回っている。
  論文  参考訳（メタデータ） (2025-02-19T01:41:44Z)
• MAKIMA: Tuning-free Multi-Attribute Open-domain Video Editing via Mask-Guided Attention Modulation [55.101611012677616]
  拡散ベースのテキスト・トゥ・イメージ(T2I)モデルは,グローバルビデオ編集タスクにおいて顕著な結果を示した。 我々は、オープンドメインビデオ編集のための事前訓練されたT2Iモデル上に構築された、チューニング不要なMAEフレームワークであるMAKIMAを紹介する。
  論文  参考訳（メタデータ） (2024-12-28T02:36:51Z)
• Task-Oriented Diffusion Inversion for High-Fidelity Text-based Editing [60.730661748555214]
  textbfTask-textbfOriented textbfDiffusion textbfInversion (textbfTODInv) は、特定の編集タスクに適した実際の画像を反転して編集する新しいフレームワークである。 ToDInvは相互最適化によってインバージョンと編集をシームレスに統合し、高い忠実さと正確な編集性を保証する。
  論文  参考訳（メタデータ） (2024-08-23T22:16:34Z)
• An Item is Worth a Prompt: Versatile Image Editing with Disentangled Control [21.624984690721842]
  D-Editは、包括的な画像-プロンプトインタラクションをいくつかのアイテム-プロンプトインタラクションに切り離すためのフレームワークである。 クロスアテンション層が歪んだ事前学習拡散モデルに基づいており、アイテム・プロンプト・アソシエーションを構築するために2段階の最適化を採用している。 画像ベース,テキストベース,マスクベースの編集,アイテム削除を含む4種類の編集作業において,最先端の結果を示す。
  論文  参考訳（メタデータ） (2024-03-07T20:06:29Z)
• Text Revision by On-the-Fly Representation Optimization [76.11035270753757]
  現在の最先端手法は、これらのタスクをシーケンスからシーケンスまでの学習問題として定式化している。 並列データを必要としないテキストリビジョンのための反復的なインプレース編集手法を提案する。 テキストの単純化に関する最先端の教師付き手法よりも、競争力があり、パフォーマンスも向上する。
  論文  参考訳（メタデータ） (2022-04-15T07:38:08Z)
• Towards Disentangling Latent Space for Unsupervised Semantic Face Editing [21.190437168936764]
  修正属性の編集には注釈付きトレーニングデータが必要で、編集可能な属性をラベル付き属性に制限する。 本稿では、重み分解と直交正規化(STIA-WO)を用いた構造テクスチュア独立アーキテクチャ(Structure-Texture Independent Architecture)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-11-05T03:29:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。