論文の概要: TexEditor: Structure-Preserving Text-Driven Texture Editing

• arxiv url: http://arxiv.org/abs/2603.18488v1
• Date: Thu, 19 Mar 2026 04:46:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:05.959423
• Title: TexEditor: Structure-Preserving Text-Driven Texture Editing
• Title（参考訳）: TexEditor: テキスト駆動型テクスチャ編集の構造保存
• Authors: Bo Zhao, Yihang Liu, Chenfeng Zhang, Huan Yang, Kun Gai, Wei Ji,
• Abstract要約: テクスチャのテクスチャ編集は、下層の幾何学的構造を保ちながら、オブジェクトの外観を変更することを目的としている。 我々の経験的分析から,SOTA編集モデルでさえテクスチャ編集中に構造的整合性を維持するのにしばしば苦労していることが分かる。 Qwen-Image-Edit-2509をベースとしたテクスチャ編集モデルであるTexEditorを構築した。
• 参考スコア（独自算出の注目度）: 26.7219749711218
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-guided texture editing aims to modify object appearance while preserving the underlying geometric structure. However, our empirical analysis reveals that even SOTA editing models frequently struggle to maintain structural consistency during texture editing, despite the intended changes being purely appearance-related. Motivated by this observation, we jointly enhance structure preservation from both data and training perspectives, and build TexEditor, a dedicated texture editing model based on Qwen-Image-Edit-2509. Firstly, we construct TexBlender, a high-quality SFT dataset generated with Blender, which provides strong structural priors for a cold start. Sec- ondly, we introduce StructureNFT, a RL-based approach that integrates structure-preserving losses to transfer the structural priors learned during SFT to real-world scenes. Moreover, due to the limited realism and evaluation coverage of existing benchmarks, we introduce TexBench, a general-purpose real-world benchmark for text-guided texture editing. Extensive experiments on existing Blender-based texture benchmarks and our TexBench show that TexEditor consistently outperforms strong baselines such as Nano Banana Pro. In addition, we assess TexEditor on the general purpose benchmark ImgEdit to validate its generalization. Our code and data are available at https://github.com/KlingAIResearch/TexEditor.
• Abstract（参考訳）: テクスチャのテクスチャ編集は、下層の幾何学的構造を保ちながら、オブジェクトの外観を変更することを目的としている。 しかし, テクスチャ編集において, SOTA編集モデルでさえ, 純粋に外観に関連があるにもかかわらず, テクスチャ編集時の構造的整合性を維持するのに苦慮していることが明らかとなった。 この観察により、データとトレーニングの観点から構造保存を共同で強化し、Qwen-Image-Edit-2509に基づくテクスチャ編集モデルであるTexEditorを構築した。 まず、Blenderで生成された高品質なSFTデータセットであるTexBlenderを構築し、コールドスタートに強い構造的事前情報を提供する。 SFTで学んだ構造的前提を現実のシーンに転送するために、構造保存損失を統合するRLベースのアプローチであるStructureNFTを導入する。 さらに,既存のベンチマークの現実性や評価範囲が限られているため,テキストガイドテクスチャ編集のための汎用的リアルタイムベンチマークであるTexBenchを導入する。 既存のBlenderベースのテクスチャベンチマークとTexBenchの大規模な実験は、TexEditorがNano Banana Proのような強力なベースラインを一貫して上回っていることを示している。 さらに、汎用ベンチマークImgEditでTexEditorを評価し、その一般化を検証する。 私たちのコードとデータはhttps://github.com/KlingAIResearch/TexEditor.comで公開されています。

関連論文リスト

• CoEditor++: Instruction-based Visual Editing via Cognitive Reasoning [98.98349220451216]
  CoEditor++は、編集を"編集する方法"と"編集方法"に分解する、トレーニング不要のフレームワークである。 我々は,CoEditor++が編集タスクと編集タスクの両方において,最先端のパフォーマンスを実現することを示す。 以上の結果から,認知中心型画像編集の可能性が示唆された。
  論文  参考訳（メタデータ） (2026-01-31T12:20:46Z)
• NeuSEditor: From Multi-View Images to Text-Guided Neural Surface Edits [6.021787236982659]
  NeuSEditorは、多視点画像から得られる暗黙の面をテキストガイドで編集する新しい方法である。 我々のアーキテクチャは、シーンを前景と背景に効率的に分離し、シーン固有の要素を変更することなく正確な修正を可能にする。 本手法は,連続的なデータセット更新やソースプロンプトの必要性を排除し,編集ワークフローを簡素化する。
  論文  参考訳（メタデータ） (2025-05-16T03:57:01Z)
• Bridging the Editing Gap in LLMs: FineEdit for Precise and Targeted Text Modifications [4.751608548909266]
  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)
• Generating Non-Stationary Textures using Self-Rectification [70.91414475376698]
  本稿では,実例に基づく非定常テクスチャ合成の課題に対処する。 本稿では,ユーザが標準画像編集ツールを使用して参照テクスチャを初めて修正する,新しい2段階のアプローチを提案する。 提案手法は「自己修正(self-rectification)」と呼ばれ、このターゲットを自動的にコヒーレントでシームレスなテクスチャに洗練する。
  論文  参考訳（メタデータ） (2024-01-05T15:07:05Z)
• XATU: A Fine-grained Instruction-based Benchmark for Explainable Text Updates [7.660511135287692]
  本稿では,微粒な命令ベースの説明可能なテキスト編集用に設計された最初のベンチマークであるXATUを紹介する。 XATUは、語彙、構文、意味論、知識集約的な編集といった難易度の細かいテキスト編集タスクについて検討している。 各種編集タスクにおける命令チューニングの有効性と基礎となるアーキテクチャの影響を実証する。
  論文  参考訳（メタデータ） (2023-09-20T04:58:59Z)
• Forgedit: Text Guided Image Editing via Learning and Forgetting [17.26772361532044]
  我々は Forgedit という新しいテキスト誘導画像編集手法を設計する。 まず,30秒で元の画像を再構成できる視覚言語共同最適化フレームワークを提案する。 次に,拡散モデルのテキスト埋め込み空間におけるベクトル投影機構を提案する。
  論文  参考訳（メタデータ） (2023-09-19T12:05:26Z)
• DreamEditor: Text-Driven 3D Scene Editing with Neural Fields [115.07896366760876]
  テキストプロンプトを用いてニューラルフィールドを編集できる新しいフレームワークを提案する。 DreamEditorは非常に現実的なテクスチャと幾何学を生成し、量的および質的な評価において、以前の作品を大きく上回っている。
  論文  参考訳（メタデータ） (2023-06-23T11:53:43Z)

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。