論文の概要: Training-Free Multi-Concept Image Editing

• arxiv url: http://arxiv.org/abs/2602.20839v2
• Date: Tue, 03 Mar 2026 13:06:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-04 14:54:12.338187
• Title: Training-Free Multi-Concept Image Editing
• Title（参考訳）: 学習不要なマルチコンセプト画像編集
• Authors: Niki Foteinopoulou, Ignas Budvytis, Stephan Liwicki,
• Abstract要約: Concept Distillation Sampling (CDS)は、ターゲットレスマルチコンセプト画像編集のためのトレーニング不要のフレームワークである。 これは、高度に安定な蒸留バックボーンを統合することによって、従来の手法の言語的ボトルネックを克服する。 本手法は,所望の編集の参照サンプルを必要とせずに,インスタンスの忠実度を保存する。
• 参考スコア（独自算出の注目度）: 14.75123947134721
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Editing images with diffusion models under strict training-free constraints remains a significant challenge. While recent optimisation-based methods achieve strong zero-shot edits from text, they struggle to preserve identity and capture intricate details, such as facial structure, material texture, or object-specific geometry, that exist below the level of linguistic abstraction. To address this fundamental gap, we propose Concept Distillation Sampling (CDS). To the best of our knowledge, we are the first to introduce a unified, training-free framework for target-less, multi-concept image editing. CDS overcomes the linguistic bottleneck of previous methods by integrating a highly stable distillation backbone (featuring ordered timesteps, regularisation, and negative-prompt guidance), with a dynamic weighting mechanism. This approach enables the seamless composition and control of multiple visual concepts directly within the diffusion process, utilising spatially-aware priors from pretrained LoRA adapters without spatial interference. Our method preserves instance fidelity without requiring reference samples of the desired edit. Extensive quantitative and qualitative evaluations demonstrate consistent state-of-the-art performance over existing training-free editing and multi-LoRA composition methods on the InstructPix2Pix and ComposLoRA benchmarks. Code will be made publicly available.
• Abstract（参考訳）: 厳密なトレーニングのない制約の下で拡散モデルで画像を編集することは、依然として大きな課題である。 最近の最適化に基づく手法は、テキストから強力なゼロショット編集を実現する一方で、言語的抽象化のレベル以下に存在する顔の構造、材料テクスチャ、オブジェクト固有の幾何学など、アイデンティティの保存と複雑な詳細の取得に苦慮している。 このような基本的なギャップに対処するために,概念蒸留サンプリング(CDS)を提案する。 私たちの知る限りでは、ターゲットレスマルチコンセプト画像編集のための統合されたトレーニング不要のフレームワークを最初に導入しました。 CDSは、高度に安定な蒸留バックボーン(順序時間ステップ、正規化、負のプロンプト誘導)と動的重み付け機構を統合することで、従来の手法の言語的ボトルネックを克服する。 このアプローチは,空間的干渉を伴わずに,予め訓練されたLoRAアダプタから空間的に認識された事前情報を活用することにより,拡散過程内での複数の視覚概念のシームレスな合成と制御を可能にする。 本手法は,所望の編集の参照サンプルを必要とせずに,インスタンスの忠実度を保存する。 InstructPix2Pix と ComposLoRA のベンチマークでは、既存のトレーニング不要な編集法やマルチLORA 合成法に対して、大規模な定量的および定性的な評価が一貫した性能を示している。 コードは公開されます。

関連論文リスト

• EditThinker: Unlocking Iterative Reasoning for Any Image Editor [72.28251670314451]
  編集中に「考える」ための熟考的な編集フレームワークを提案する。 このフレームワークの推論エンジンとして機能するために、単一のMLLM、EditThinkerをトレーニングします。 我々は、強化学習を用いて、EditThinkerの思考をその編集と整合させ、よりターゲットを絞った命令改善を生成する。
  論文  参考訳（メタデータ） (2025-12-05T18:58:09Z)
• Semantic Anchoring for Robust Personalization in Text-to-Image Diffusion Models [9.94436942959918]
  テキスト・ツー・イメージ拡散モデルでは,限られた数の参照画像から新しい視覚概念を学習する。 本稿では,新しい概念を対応する分布に基礎付けることで適応を導くセマンティックアンカーを提案する。 このアンカーリングにより、モデルは新しい概念を安定かつ制御された方法で適応させ、事前訓練された分布をパーソナライズされた領域へと拡張する。
  論文  参考訳（メタデータ） (2025-11-27T09:16:33Z)
• AttentionDrag: Exploiting Latent Correlation Knowledge in Pre-trained Diffusion Models for Image Editing [33.74477787349966]
  本研究では,AttentionDragという一段階のポイントベース画像編集手法を提案する。 このフレームワークは、大規模な再最適化や再トレーニングを必要とせずに、セマンティック一貫性と高品質な操作を可能にする。 以上の結果から,最先端の手法をはるかに高速に超越した性能を示す。
  論文  参考訳（メタデータ） (2025-06-16T09:42:38Z)
• SPIE: Semantic and Structural Post-Training of Image Editing Diffusion Models with AI feedback [28.807572302899004]
  SPIEは、命令ベースの画像編集拡散モデルの意味的および構造的後学習のための新しいアプローチである。 広範な人間のアノテーションに頼ることなく、拡散モデルと人間の嗜好を一致させるオンライン強化学習フレームワークを導入する。 実験結果から,SPIEは複雑なシーンで,わずか10ステップで複雑な編集を行うことができることがわかった。
  論文  参考訳（メタデータ） (2025-04-17T10:46:39Z)
• Concept Lancet: Image Editing with Compositional Representation Transplant [58.9421919837084]
  Concept Lancetは、画像編集における原則的表現操作のためのゼロショットプラグイン・アンド・プレイフレームワークである。 本稿では,抽出された視覚概念の表現の疎線型結合として,潜時(テキスト埋め込み,拡散スコア)空間におけるソース入力を分解する。 我々は、対応する編集方向を強制するために、カスタマイズされた概念移植プロセスを実行する。
  論文  参考訳（メタデータ） (2025-04-03T17:59:58Z)
• Contrastive Learning Guided Latent Diffusion Model for Image-to-Image Translation [7.218556478126324]
  拡散モデルはテキスト誘導画像翻訳のための多彩で高品質な画像において優れた性能を示した。 pix2pix-zeroConはゼロショット拡散に基づく手法で、パッチワイドのコントラスト損失を利用して追加のトレーニングを不要にする。 我々のアプローチでは、追加のトレーニングは必要とせず、事前訓練されたテキスト-画像拡散モデルで直接動作する。
  論文  参考訳（メタデータ） (2025-03-26T12:15:25Z)
• Personalize Anything for Free with Diffusion Transformer [20.385520869825413]
  最近のトレーニングフリーアプローチはアイデンティティの保存、適用性、拡散トランスフォーマ(DiT)との互換性に苦慮している 既往のDiTの可能性を明らかにし,デノベーショントークンを参照対象のトークンに置き換えることで,ゼロショット対象の再構成を実現する。 本報告では,DiTにおける画像のパーソナライズを実現するトレーニングフリーフレームワークである textbfPersonalize Anything を提案する。1)早期注入による被写体一貫性を強制し,後期正規化による柔軟性を高めるタイムステップ適応トークン置換,2) 構造多様性を高めるためのパッチ摂動戦略。
  論文  参考訳（メタデータ） (2025-03-16T17:51:16Z)
• PartEdit: Fine-Grained Image Editing using Pre-Trained Diffusion Models [80.98455219375862]
  本稿では,事前学習した拡散モデルに基づくオブジェクト部品に対する最初のテキストベースの画像編集手法を提案する。 提案手法は, 利用者の66～90%に好まれる。
  論文  参考訳（メタデータ） (2025-02-06T13:08:43Z)
• Edicho: Consistent Image Editing in the Wild [90.42395533938915]
  エディコは拡散モデルに基づく訓練なしの解を踏む。 これは、明示的な画像対応を使って直接編集する基本的な設計原理を特徴としている。
  論文  参考訳（メタデータ） (2024-12-30T16:56:44Z)
• Stable Flow: Vital Layers for Training-Free Image Editing [74.52248787189302]
  拡散モデルはコンテンツ合成と編集の分野に革命をもたらした。 最近のモデルでは、従来のUNetアーキテクチャをDiffusion Transformer (DiT)に置き換えている。 画像形成に欠かせないDiT内の「硝子層」を自動同定する手法を提案する。 次に、実画像編集を可能にするために、フローモデルのための改良された画像反転手法を提案する。
  論文  参考訳（メタデータ） (2024-11-21T18:59:51Z)
• TALE: Training-free Cross-domain Image Composition via Adaptive Latent Manipulation and Energy-guided Optimization [59.412236435627094]
  TALEは、テキストから画像への拡散モデルの生成機能を利用する、トレーニング不要のフレームワークである。 TALEにはAdaptive Latent ManipulationとEnergy-Guided Latent Optimizationという2つのメカニズムが備わっている。 本実験は,TALEが従来のベースラインを超え,画像誘導合成における最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2024-08-07T08:52:21Z)
• FreeCompose: Generic Zero-Shot Image Composition with Diffusion Prior [50.0535198082903]
  我々は,複数の入力イメージを単一のコヒーレントなイメージに統合する,新しい画像合成手法を提案する。 本稿では, 大規模事前学習拡散モデルに内在する強力な生成的前駆体を利用して, 汎用画像合成を実現する可能性を示す。
  論文  参考訳（メタデータ） (2024-07-06T03:35:43Z)
• Diffusion Model-Based Image Editing: A Survey [46.244266782108234]
  様々な画像生成や編集作業のための強力なツールとして,拡散モデルが登場している。 本稿では,画像編集のための拡散モデルを用いた既存手法の概要について述べる。 テキスト誘導画像編集アルゴリズムの性能を更に評価するために,系統的なベンチマークであるEditEvalを提案する。
  論文  参考訳（メタデータ） (2024-02-27T14:07:09Z)
• Contrastive Denoising Score for Text-guided Latent Diffusion Image Editing [58.48890547818074]
  潜在拡散モデル(LDM)に対するコントラストデノナイジングスコア(CUT)の強力な修正を提案する。 提案手法により,ゼロショット画像から画像への変換とニューラルフィールド(NeRF)の編集が可能となり,入力と出力の間の構造的対応が達成される。
  論文  参考訳（メタデータ） (2023-11-30T15:06:10Z)
• LoCo: Locally Constrained Training-Free Layout-to-Image Synthesis [24.925757148750684]
  テキストプロンプトとレイアウト命令の両方に整合した高品質な画像を生成するのに優れたレイアウト・ツー・イメージ合成のためのトレーニング不要なアプローチを提案する。 LoCoは既存のテキスト・ツー・イメージモデルとレイアウト・ツー・イメージモデルにシームレスに統合され、空間制御の性能を高め、以前の方法で観察された意味障害に対処する。
  論文  参考訳（メタデータ） (2023-11-21T04:28:12Z)
• Taming Encoder for Zero Fine-tuning Image Customization with Text-to-Image Diffusion Models [55.04969603431266]
  本稿では,ユーザが指定したカスタマイズされたオブジェクトの画像を生成する手法を提案する。 この手法は、従来のアプローチで要求される長大な最適化をバイパスする一般的なフレームワークに基づいている。 提案手法は, 出力品質, 外観の多様性, 被写体忠実度を考慮した画像合成が可能であることを示す。
  論文  参考訳（メタデータ） (2023-04-05T17:59:32Z)

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。