論文の概要: The Aging Multiverse: Generating Condition-Aware Facial Aging Tree via Training-Free Diffusion

• arxiv url: http://arxiv.org/abs/2506.21008v2
• Date: Fri, 27 Jun 2025 04:43:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 13:06:01.353402
• Title: The Aging Multiverse: Generating Condition-Aware Facial Aging Tree via Training-Free Diffusion
• Title（参考訳）: 老化多元性:学習自由拡散による条件対応顔老化木の生成
• Authors: Bang Gong, Luchao Qi, Jiaye Wu, Zhicheng Fu, Chunbo Song, David W. Jacobs, John Nicholson, Roni Sengupta,
• Abstract要約: 一つの画像から複数の可塑性顔の老化軌跡を生成するためのフレームワークであるAging Multiverseを紹介する。 本研究では,アイデンティティの保存,年齢の正確さ,条件管理のバランスをとるための,学習自由拡散に基づく手法を提案する。 実験とユーザスタディでは、アイデンティティ保存、高齢化リアリズム、条件付きアライメントなど、最先端のパフォーマンスが実証されている。
• 参考スコア（独自算出の注目度）: 7.536205940569963
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce the Aging Multiverse, a framework for generating multiple plausible facial aging trajectories from a single image, each conditioned on external factors such as environment, health, and lifestyle. Unlike prior methods that model aging as a single deterministic path, our approach creates an aging tree that visualizes diverse futures. To enable this, we propose a training-free diffusion-based method that balances identity preservation, age accuracy, and condition control. Our key contributions include attention mixing to modulate editing strength and a Simulated Aging Regularization strategy to stabilize edits. Extensive experiments and user studies demonstrate state-of-the-art performance across identity preservation, aging realism, and conditional alignment, outperforming existing editing and age-progression models, which often fail to account for one or more of the editing criteria. By transforming aging into a multi-dimensional, controllable, and interpretable process, our approach opens up new creative and practical avenues in digital storytelling, health education, and personalized visualization.
• Abstract（参考訳）: 本稿では, 環境, 健康, ライフスタイルなどの外部要因に基づいて, 一つの画像から複数の可塑性顔の老化軌跡を生成するためのフレームワークであるAging Multiverseを紹介する。 老化を1つの決定論的経路としてモデル化する従来の手法とは異なり、我々の手法は様々な未来を視覚化する老化木を生成する。 これを実現するために,ID保存,年齢精度,条件制御のバランスをとる訓練自由拡散法を提案する。 編集強度を調節するアテンションミキシングと、編集を安定させるシミュレートされた老化規則化戦略を含む。 広範囲にわたる実験とユーザスタディは、アイデンティティ保存、老朽化リアリズム、条件付きアライメントにまたがる最先端のパフォーマンスを示し、既存の編集モデルや老化モデルよりも優れており、編集基準の1つ以上の説明に失敗することが多い。 高齢化を多次元、制御可能、解釈可能なプロセスに変換することで、デジタルストーリーテリング、健康教育、パーソナライズドビジュアライゼーションの新たな創造的で実践的な道を開くことができる。

関連論文リスト

• ExpertGen: Training-Free Expert Guidance for Controllable Text-to-Face Generation [49.294779074232686]
  ExpertGenはトレーニング不要のフレームワークで、トレーニング済みのエキスパートモデルを活用して、細かいコントロールで生成をガイドする。 我々は、専門家モデルが高い精度で生成過程を導出できることを定性的かつ定量的に示す。
  論文  参考訳（メタデータ） (2025-05-22T20:09:21Z)
• InstaFace: Identity-Preserving Facial Editing with Single Image Inference [13.067402877443902]
  本稿では,単一の画像のみを用いてアイデンティティを保存しながら,現実的な画像を生成するための,新しい拡散ベースのフレームワークInstaFaceを紹介する。 InstaFaceは、トレーニング可能なパラメータを追加することなく、複数の3DMMベースの条件を統合することで、3Dの視点を活用する。 本手法は, 身元保存, 光リアリズム, ポーズ, 表情, 照明の効果的な制御において, 最先端のアプローチよりも優れている。
  論文  参考訳（メタデータ） (2025-02-27T22:37:09Z)
• PersonaMagic: Stage-Regulated High-Fidelity Face Customization with Tandem Equilibrium [55.72249032433108]
  PersonaMagicは、高忠実な顔のカスタマイズのために設計された、ステージ制御された生成技術である。 本手法は,顔の概念を捉えるために,特定の時間間隔内に一連の埋め込みを学習する。 定性評価と定量的評価の両方において、ペルソナマジックが最先端の手法よりも優れていることを確認する。
  論文  参考訳（メタデータ） (2024-12-20T08:41:25Z)
• Towards a Simultaneous and Granular Identity-Expression Control in Personalized Face Generation [34.72612800373437]
  人間中心のコンテンツ生成では、事前訓練されたテキスト・ツー・イメージモデルでは、ユーザーが望んだポートレート画像を生成するのに苦労する。 同一性表現の同時制御とよりきめ細かい表現合成が可能な,新しい多モード顔生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-02T13:28:39Z)
• PortraitBooth: A Versatile Portrait Model for Fast Identity-preserved Personalization [92.90392834835751]
  PortraitBoothは高効率、堅牢なID保存、表現編集可能な画像生成のために設計されている。 PortraitBoothは計算オーバーヘッドを排除し、アイデンティティの歪みを軽減する。 生成した画像の多様な表情に対する感情認識のクロスアテンション制御が組み込まれている。
  論文  参考訳（メタデータ） (2023-12-11T13:03:29Z)
• Pluralistic Aging Diffusion Autoencoder [63.50599304294062]
  顔の老化は、複数のプラプシブルな老化パターンが与えられた入力に対応する可能性があるため、不適切な問題である。 本稿では,CLIP駆動型多言語時効拡散オートエンコーダを提案する。
  論文  参考訳（メタデータ） (2023-03-20T13:20:14Z)
• Only a Matter of Style: Age Transformation Using a Style-Based Regression Model [46.48263482909809]
  本稿では,事前学習した未条件GANの潜在空間に実際の顔画像をエンコードする画像から画像への変換手法を提案する。 所望の年齢に対応する潜時符号を生成する際に,エンコーダを明示的に案内するために,事前学習した年齢回帰ネットワークを用いる。
  論文  参考訳（メタデータ） (2021-02-04T17:33:28Z)

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。