論文の概要: PhysEditBench: A Protocol-Conditioned Benchmark for Dense Physical-Map Prediction with Image Editors

• arxiv url: http://arxiv.org/abs/2605.13493v1
• Date: Wed, 13 May 2026 13:17:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:28.065989
• Title: PhysEditBench: A Protocol-Conditioned Benchmark for Dense Physical-Map Prediction with Image Editors
• Title（参考訳）: PhysEditBench:イメージエディタを用いた物理マップ予測のためのプロトコル定義ベンチマーク
• Authors: Jiaxin Yang, Yu Hou, Muxin Liu, Weixuan Liu, Ze Yuan, Zeming Chen, Zhongrui Wang, Xiaojuan Qi,
• Abstract要約: 我々はPhysEditBenchを導入し、高密度物理マップ予測における画像エディタの評価と標準化を行う。 評価データには,ターゲット依存型ベンチマーク基板を構築する。 我々は、品質チェック、有効領域マスク、シーンレベルのサンプリング、照明ベースのストレスサブセットでデータをキュレートする。
• 参考スコア（独自算出の注目度）: 28.75463170207412
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Can general-purpose image editors predict physical maps from a single RGB image? General-purpose image editors differ from standard task-specific dense-prediction models: they do not directly take an image and output a physical map. Instead, they must be guided by prompts, examples, or image-based textual cues. To this end, we introduce PhysEditBench, a novel protocol-conditioned benchmark to evaluate and standardize image editors in dense physical-map prediction that covers five targets: depth, normal, albedo, roughness, and metallic maps. For evaluation data, we build a target-dependent benchmark substrate. We use OpenRooms-FF for depth, surface normal, albedo, and roughness, InteriorVerse as an additional source for depth, normal, albedo, and a new procedurally generated source for metallic maps. We curate the data with quality checks, valid-region masks, scene-level sampling, and lighting-based stress subsets to ensure reliable and diverse evaluation. For each target, PhysEditBench defines a fixed protocol that specifies the allowed input, expected output format, and scoring procedure. Each score, therefore, reflects the performance of a model under a specified protocol, rather than its best possible performance under all prompts or interaction modes. Experimental results show that specialized models remain much stronger on depth, normal, and albedo, and stronger image editors can produce more reasonable map-like outputs. For roughness and metallic, image editors can match or outperform specialized baselines on some scalar metrics, but they still suffer from structural errors, sparsity effects, and sensitivity to lighting.
• Abstract（参考訳）: 汎用画像エディタは単一のRGB画像から物理マップを予測できるのか? 汎用画像エディタは、通常のタスク固有の高密度予測モデルとは異なる。 代わりに、プロンプト、例、イメージベースのテキストキューによってガイドされなければなりません。 この目的のためにPhysEditBenchは、深度、正規度、アルベド、粗さ、および金属地図の5つのターゲットをカバーする高密度物理マップ予測において、画像エディタを評価および標準化するための新しいプロトコル条件付きベンチマークである。 評価データには,ターゲット依存型ベンチマーク基板を構築する。 深度,表面正常,アルベド,粗さにはOpenRooms-FF,奥行き,正常,アルベドにはInnerVerse,金属地図には新たにプロシージャ生成源としてOpenRooms-FFを用いている。 品質チェック、有効領域マスク、シーンレベルのサンプリング、および照明に基づくストレスサブセットを用いて、信頼性と多様な評価を保証する。 各ターゲットに対して、PhysEditBenchは、許容される入力、期待出力フォーマット、およびスコアリング手順を指定する固定プロトコルを定義する。 従って各スコアは、すべてのプロンプトやインタラクションモード下での最高のパフォーマンスではなく、指定されたプロトコルの下でのモデルのパフォーマンスを反映する。 実験結果から, 深度, 正規度, アルベドでは, 特殊モデルが非常に強く, より強力な画像編集者がより合理的なマップ様の出力を生成できることが示唆された。 粗さと金属のために、画像エディターは、いくつかのスカラーメトリクスで特別なベースラインをマッチまたは上回ることができるが、それでも構造的エラー、空間的効果、照明に対する感度に悩まされている。

関連論文リスト

• RealDrag: The First Dragging Benchmark with Real Target Image [9.439854281295803]
  textbfRealDragは、点ベースの画像編集のための最初の包括的なベンチマークであり、ペアの接地真理ターゲット画像を含んでいる。 私たちのデータセットには、さまざまなビデオソースから400以上の人間の注釈付きサンプルが含まれています。 また、Semantical Distance(SeD)、Outer Mask Preserving Score(OMPS)、Inner Patch Preserving Score(IPPS)、Directional similarity(DiS)の4つの新しいタスク特化指標を提案する。
  論文  参考訳（メタデータ） (2025-12-13T11:14:03Z)
• Charts Are Not Images: On the Challenges of Scientific Chart Editing [66.38730113476677]
  textitFigEditは、3万以上のサンプルからなる科学的フィギュア編集のベンチマークである。 私たちのベンチマークでは、ピクセルレベルの操作の重大な制限が示されています。 textitFigEdit をリリースすることにより,構造対応図形編集の体系的な進歩の実現を目指す。
  論文  参考訳（メタデータ） (2025-11-30T06:13:48Z)
• PICABench: How Far Are We from Physically Realistic Image Editing? [71.82009431774311]
  PICABenchを導入し、8つのサブ次元にわたる物理的リアリズムを体系的に評価する。 本稿では,VLM-as-a-judgeをケースごとの領域レベルの人間のアノテーションで利用する信頼性評価プロトコルであるPICAEvalを提案する。 また、ビデオから物理を学習し、トレーニングデータセットPICA-100Kを構築することで、効果的な解を探索する。
  論文  参考訳（メタデータ） (2025-10-20T15:53:57Z)
• From Editor to Dense Geometry Estimator [77.21804448599009]
  密度幾何予測のための拡散変換器(DiT)アーキテクチャに基づく高度な編集モデルを適用するフレームワークである textbfFE2E を紹介する。 FE2EはETH3Dデータセットで35%以上のパフォーマンス向上を実現し、100$times$データでトレーニングされたDepthAnythingシリーズを上回っている。
  論文  参考訳（メタデータ） (2025-09-04T15:58:50Z)
• Materialist: Physically Based Editing Using Single-Image Inverse Rendering [47.85234717907478]
  マテリアルスト(Materist)は、学習に基づくアプローチと物理的にベースとしたプログレッシブ・差別化可能なレンダリングを組み合わせる方法である。 我々のアプローチは、マテリアル編集、オブジェクト挿入、リライトなど、幅広いアプリケーションを可能にする。 実験は、合成および実世界のデータセット間で強力なパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-01-07T11:52:01Z)
• Preserve or Modify? Context-Aware Evaluation for Balancing Preservation and Modification in Text-Guided Image Editing [26.086806549826058]
  テキスト誘導画像編集は、対象のテキストに基づいて修正を実装しながら、ソース画像の中核要素の保存を求める。 既存のメトリクスは、全く異なるソースイメージとターゲットテキストのペアに対して、同じ評価基準を無差別に適用する、文脈の盲点問題を持つ。 保存・修正の側面を適応的にコーディネートする文脈対応メトリックであるAugCLIPを提案する。
  論文  参考訳（メタデータ） (2024-10-15T08:12:54Z)
• iEdit: Localised Text-guided Image Editing with Weak Supervision [53.082196061014734]
  テキスト誘導画像編集のための新しい学習法を提案する。 ソースイメージに条件付けされた画像とテキスト編集プロンプトを生成する。 画像の忠実度、CLIPアライメントスコア、および生成された画像と実際の画像の両方を定性的に編集する点において、画像に対して好ましい結果を示す。
  論文  参考訳（メタデータ） (2023-05-10T07:39:14Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)

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。