論文の概要: CPC-VAR:Continual Personalized and Compositional Generation in Visual Autoregressive Models

• arxiv url: http://arxiv.org/abs/2605.19750v1
• Date: Tue, 19 May 2026 12:18:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.324933
• Title: CPC-VAR:Continual Personalized and Compositional Generation in Visual Autoregressive Models
• Title（参考訳）: CPC-VAR:視覚自己回帰モデルにおける連続的パーソナライズと構成生成
• Authors: Junhao Li, Xinhao Zhong, Yi sun, Yuxia Qiao, Bin Chen, Shu-Tao Xia, Yaowei Wang,
• Abstract要約: VAR(Visual Autoregressive)モデルは、テキスト・ツー・イメージ生成の効率的なパラダイムとして登場した。 既存のVARベースのパーソナライズ方法は、進化するユーザ要求に対応できない。 VARモデルにおける連続的パーソナライズ生成に関する最初の体系的研究について述べる。
• 参考スコア（独自算出の注目度）: 69.9266117908314
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual autoregressive (VAR) models have recently emerged as an efficient paradigm for text-to-image generation. Despite their strong generative capability, existing VAR-based personalization methods remain limited to static settings, failing to accommodate evolving user demands. In particular, sequential concept learning leads to severe catastrophic forgetting, while multi-concept synthesis often suffers from feature entanglement and attribute inconsistency. In this work, we present the first systematic study of continual personalized generation in VAR models. We identify two key challenges: (i) preserving previously learned concepts during sequential customization, and (ii) composing multiple personalized concepts in a controllable manner. To address these issues, we propose a unified framework with two core components. For continual single-concept learning, we introduce Gradient-based Concept Neuron Selection (GCNS), which identifies concept-relevant neurons and constrains only conflicting parameters across tasks, effectively mitigating forgetting without additional model expansion. For multi-concept synthesis, we propose a context-aware composition strategy that performs multi-branch feature modeling and localized cross-attention fusion guided by spatial conditions, enabling precise and disentangled concept composition. Extensive experiments demonstrate that our method significantly improves performance in long-sequence continual personalization while achieving superior results in multi-concept image synthesis compared to existing baselines. These findings highlight the potential of VAR models for scalable and controllable personalized generation.
• Abstract（参考訳）: VAR(Visual Autoregressive)モデルは、最近、テキスト・ツー・イメージ生成の効率的なパラダイムとして登場した。 強力な生成能力にもかかわらず、既存のVARベースのパーソナライズ方法は静的な設定に限られており、進化するユーザ要求に対応できない。 特にシーケンシャルな概念学習は破滅的な忘れを招き、多重概念合成はしばしば特徴の絡み合いと属性の不整合に悩まされる。 本稿では,VARモデルにおける連続的パーソナライズ生成に関する最初の体系的研究について述べる。 私たちは2つの重要な課題を特定します。 一 シーケンシャルなカスタマイズの際、予め学習した概念を保存すること、 (二)複数のパーソナライズされた概念を制御可能な方法で構成すること。 これらの問題に対処するため、我々は2つのコアコンポーネントを統合したフレームワークを提案する。 連続的な単一概念学習では,概念関連ニューロンを識別し,タスク間の競合パラメータのみを制約し,モデル拡張を伴わずに忘れを効果的に軽減する,グラディエントに基づく概念ニューロン選択(GCNS)を導入する。 マルチコンセプト合成のために,空間条件で誘導される多分岐特徴モデリングと局所的相互注意融合を行うコンテキスト認識型コンポジション戦略を提案し,高精度で不整合な概念コンポジションを実現する。 大規模な実験により, 提案手法は, 既存のベースラインと比較して, 多概念画像合成において優れた結果が得られながら, 長期連続パーソナライゼーションにおける性能を著しく向上することが示された。 これらの結果は、スケーラブルで制御可能なパーソナライズドジェネレーションのためのVARモデルの可能性を強調している。

関連論文リスト

• The Thinking Pixel: Recursive Sparse Reasoning in Multimodal Diffusion Latents [13.516336193977144]
  本稿では,テキスト・画像生成タスクを解決するために,従来の拡散モデルに統合されたスパース・ミックス・オブ・エキスパート・フレームワークを提案する。 我々のアプローチは、複数の潜伏ステップで視覚トークンを反復的に洗練し、神経モジュールのスパース選択によってパラメータを効率的に共有する。 クラス条件の画像ネット画像生成タスクの総合評価とGenEvalおよびDPGベンチマークのさらなる研究により、モデル画像生成性能を向上させる上で提案手法が優れていることを示す。
  論文  参考訳（メタデータ） (2026-04-28T07:09:18Z)
• PSR: Scaling Multi-Subject Personalized Image Generation with Pairwise Subject-Consistency Rewards [86.1965460124838]
  スケーラブルなマルチオブジェクトデータ生成パイプラインを提案する。 まず、単一オブジェクトのパーソナライズモデルを用いて、マルチイメージおよびマルチオブジェクトシナリオの知識を得る。 主観的整合性とテキスト制御性を両立させるため,ペアワイズ・サブジェスト・コンシスタンス・リワードを設計する。
  論文  参考訳（メタデータ） (2025-12-01T03:25:49Z)
• LoRACLR: Contrastive Adaptation for Customization of Diffusion Models [84.04930416829264]
  LoRACLRは、複数のLoRAモデルを単一の統一モデルにマージする、マルチコンセプト画像生成の新しいアプローチである。 LoRACLRは、これらのモデルの重み空間を整列し、マージするために対照的な目的を使い、干渉を最小限にしながら互換性を確保する。 本結果は,複数の概念を正確にマージし,パーソナライズされた画像生成能力を向上する上で,LoRACLRの有効性を強調した。
  論文  参考訳（メタデータ） (2024-12-12T18:59:55Z)
• LLM-based Hierarchical Concept Decomposition for Interpretable Fine-Grained Image Classification [5.8754760054410955]
  構造化概念解析によるモデル解釈可能性の向上を目的とした新しいフレームワークである textttHi-CoDecomposition を紹介する。 われわれのアプローチは、最先端のモデルの性能だけでなく、意思決定プロセスに対する明確な洞察を提供することで透明性を向上する。
  論文  参考訳（メタデータ） (2024-05-29T00:36:56Z)
• AttenCraft: Attention-guided Disentanglement of Multiple Concepts for Text-to-Image Customization [3.5066393042242123]
  本研究では,マルチコンセプト・ディコンタングルメントのための注意型手法であるAttenCraftを提案する。 注意点に基づく適応アルゴリズムを導入し,異なる概念に対するサンプリング比を推定する。 我々のモデルは,最新画像の忠実度と,ベースラインモデルに匹敵する即時忠実度という2つの問題を効果的に緩和する。
  論文  参考訳（メタデータ） (2024-05-28T08:50:14Z)
• MC$^2$: Multi-concept Guidance for Customized Multi-concept Generation [59.00909718832648]
  マルチコンセプトカスタマイズのための新しいアプローチであるMC$2$を提案する。 視覚的およびテキスト的トークン間の注意重みを適応的に補正することにより、画像領域が関連概念と正確に一致することを保証する。 MC$2$は、即時参照アライメントの観点からトレーニングベースの手法より優れていることを示す実験である。
  論文  参考訳（メタデータ） (2024-04-08T07:59:04Z)
• LoRA-Composer: Leveraging Low-Rank Adaptation for Multi-Concept Customization in Training-Free Diffusion Models [33.379758040084894]
  ドメイン内の課題として、マルチコンセプトのカスタマイズが登場します。 既存のアプローチでは、複数のローランド適応(LoRA)の融合行列をトレーニングして、さまざまな概念をひとつのイメージにマージすることが多い。 LoRA-Composerは、複数のLoRAをシームレスに統合するために設計されたトレーニング不要のフレームワークである。
  論文  参考訳（メタデータ） (2024-03-18T09:58:52Z)

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。