論文の概要: Edit Fidelity Field: Semantics-Aware Region Isolation for Training-Free Scene Text Editing

• arxiv url: http://arxiv.org/abs/2604.17500v1
• Date: Sun, 19 Apr 2026 15:43:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.556887
• Title: Edit Fidelity Field: Semantics-Aware Region Isolation for Training-Free Scene Text Editing
• Title（参考訳）: 編集忠実度フィールド:訓練不要のシーンテキスト編集のための意味認識領域分離
• Authors: Guandong Li, Mengxia Ye,
• Abstract要約: 編集のこぼれは、ターゲットのテキスト領域を編集する際に、既存のメソッドが非ターゲット領域を不注意に修正する。 本稿では,画素ごとの編集忠実度を制御するセマンティクス対応連続体であるEdit Fidelity Field (EFF)を提案する。 EFFは流出率を94%から25%に下げ、非標的領域の保存を+91.4dB PSNRで改善する。
• 参考スコア（独自算出の注目度）: 10.474377498273205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scene text editing (STE) has achieved remarkable progress in accurately rendering target text through diffusion-based methods. However, we identify a critical yet overlooked problem: edit spillover -- when editing a target text region, existing methods inadvertently modify non-target regions, particularly neighboring text. Through systematic evaluation on 50 real-world scenes across four categories, we reveal that state-of-the-art diffusion editing models exhibit a spillover rate of 94%, meaning nearly all non-target text regions are altered during editing. To address this, we propose the Edit Fidelity Field (EFF), a semantics-aware continuous field that controls per-pixel editing fidelity. Unlike binary masks, EFF leverages OCR-detected text regions to construct a four-zone field: Edit Core (fully editable), Transition Zone (smooth decay), Protected Zone (non-target text, explicitly locked), and Background (strictly preserved). EFF operates as a training-free, model-agnostic post-processing module applicable to any diffusion-based STE method. We further propose per-region spillover quantification, a novel evaluation protocol that measures edit leakage at each non-target text region individually. Experiments demonstrate that EFF reduces spillover rate from 94% to 25% while improving non-target region preservation by +91.4 dB PSNR.
• Abstract（参考訳）: シーンテキスト編集(STE)は,拡散に基づく手法により,ターゲットテキストの正確なレンダリングにおいて顕著な進歩を遂げている。 テキスト領域を編集する場合、既存のメソッドは非ターゲット領域、特に隣接するテキストを不注意に修正します。 4つのカテゴリにまたがる50の現実世界のシーンを体系的に評価することで、最先端の拡散編集モデルが94%のぼやけ率を示し、つまり、ほぼ全ての非ターゲットテキスト領域が編集中に変更されることを意味する。 そこで本研究では,画素ごとの編集忠実度を制御するセマンティクス対応連続体であるEdit Fidelity Field (EFF)を提案する。 バイナリマスクとは異なり、EFFはOCR検出されたテキスト領域を利用して、編集コア(完全に編集可能)、遷移ゾーン(滑らかな崩壊)、保護ゾーン(非ターゲットテキスト、明示的にロック)、バックグラウンド(厳密に保存される)という4つのゾーンフィールドを構築する。 EFFは、任意の拡散ベースのSTE法に適用可能な、トレーニング不要でモデルに依存しない後処理モジュールとして動作する。 さらに、各非ターゲットテキスト領域における編集リークを個別に計測する新しい評価プロトコルである、領域ごとの流出量化を提案する。 実験により, EFFは脱落率を94%から25%に低下させ, 非標的領域保存を+91.4dBPSNRで改善した。

関連論文リスト

• RegionE: Adaptive Region-Aware Generation for Efficient Image Editing [28.945176886517448]
  RegionEは、追加のトレーニングなしでIIEタスクを加速する適応型、リージョン対応の生成フレームワークである。 フレームワークは,1)適応領域分割,2)領域認識生成,3)適応速度劣化キャッシュの3つの主要コンポーネントから構成される。 我々はRereaEをStep1X-Edit、FLUX.1 Kontext、Qwen-Image-Editといった最先端IIEベースモデルに適用した。
  論文  参考訳（メタデータ） (2025-10-29T14:58:37Z)
• DCEdit: Dual-Level Controlled Image Editing via Precisely Localized Semantics [71.78350994830885]
  拡散モデルを用いたテキスト誘導画像編集における新しい手法を提案する。 本手法は,視覚的・テキスト的自己注意を用いて横断的意識マップを向上し,編集性能を向上させるための地域的手がかりとして機能する。 提案手法を他のDiTベースのアプローチと完全に比較するため,高解像度画像,長い記述テキスト,実世界の画像,新しいテキスト編集タスクを特徴とするRW-800ベンチマークを構築した。
  論文  参考訳（メタデータ） (2025-03-21T02:14:03Z)
• Addressing Text Embedding Leakage in Diffusion-based Image Editing [33.1686050396517]
  本稿では属性リークに対処するフレームワークであるAttribute-Leakage-free Editing (ALE)を紹介する。 ALEは、オブジェクト制限埋め込み(ORE)とテキスト埋め込みのアンタングル、空間的に正確に注意を向けるRGB-CAM(Regional-Guided Blending for Cross-Attention Masking)、非編集コンテンツを保存するためにバックグラウンドブレンディング(Backside Blending)を組み合わせる。
  論文  参考訳（メタデータ） (2024-12-06T02:10:07Z)
• ZONE: Zero-Shot Instruction-Guided Local Editing [56.56213730578504]
  ゼロショットインストラクションを用いた局所画像編集手法ZONEを提案する。 InstructPix2Pixを通してユーザが提供する命令から特定の画像編集領域に変換する。 次に,オフザシェルフセグメントモデルから正確な画像層抽出を行う領域IoU方式を提案する。
  論文  参考訳（メタデータ） (2023-12-28T02:54:34Z)
• LIME: Localized Image Editing via Attention Regularization in Diffusion Models [69.33072075580483]
  本稿では拡散モデルにおける局所化画像編集のためのLIMEを提案する。 LIMEは、ユーザが指定した関心領域(RoI)や追加のテキスト入力を必要としない。 そこで本研究では,RoIにおける非関係なクロスアテンションスコアをデノナイジングステップ中にペナライズし,局所的な編集を確実にする新しいクロスアテンション正規化手法を提案する。
  論文  参考訳（メタデータ） (2023-12-14T18:59:59Z)
• Region-Aware Diffusion for Zero-shot Text-driven Image Editing [78.58917623854079]
  本稿では,エンティティレベルの画像編集のための領域認識拡散モデル(RDM)を提案する。 画像の忠実度と推論速度のバランスをとるために,集中拡散パイプラインを設計する。 その結果、RDMは、視覚的品質、全体的な調和、非編集領域のコンテンツ保存、テキストイメージのセマンティック一貫性において、従来のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2023-02-23T06:20:29Z)
• Exploring Stroke-Level Modifications for Scene Text Editing [86.33216648792964]
  シーンテキスト編集(STE)は、元のテキストの背景とスタイルを保存しながら、テキストを所望のテキストに置き換えることを目的としている。 画像全体を編集するには、背景領域とテキスト領域の異なる翻訳規則を同時に学習する必要がある。 Scene Text Image at strokE Level (MOSTEL) を用いた新しいネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-05T02:10:59Z)
• Blended Diffusion for Text-driven Editing of Natural Images [18.664733153082146]
  本稿では,局所的な(地域をベースとした)編集を自然言語で行うための最初のソリューションを提案する。 我々は、事前訓練された言語画像モデル(CLIP)を活用し、組み合わせることで、目標を達成する。 画像の異なる部分で編集された領域をシームレスに融合させるため、入力画像のノイズバージョンと局所テキスト誘導拡散潜時を空間的にブレンドする。
  論文  参考訳（メタデータ） (2021-11-29T18:58:49Z)

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。