論文の概要: Orthogonal Negative Guidance in Attention Feature Space for Text-to-Image Generation

• arxiv url: http://arxiv.org/abs/2605.29390v1
• Date: Thu, 28 May 2026 05:43:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:55.762027
• Title: Orthogonal Negative Guidance in Attention Feature Space for Text-to-Image Generation
• Title（参考訳）: テキスト・画像生成のための注意特徴空間の直交負誘導
• Authors: Jungmin Ko, Jungwon Park, Jimyeong Kim, Changin Choi, Wonseok Lee, Wonjong Rhee,
• Abstract要約: プロンプト否定、ポストホック編集、ネガティブガイダンスを含む既存のアプローチは、明示的な概念抑圧には不十分である。 MM-DiTを用いたT2I変換器の注意出力空間で動作する訓練不要な手法である注意特徴空間における直交負誘導法を提案する。 提案手法は,概念抑制,迅速なアライメント,画像品質のトレードオフを良好に実現している。
• 参考スコア（独自算出の注目度）: 14.207183496038319
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-to-image (T2I) models have become increasingly capable of generating high-quality images. Yet, enforcing the explicit absence of a specified object or attribute remains a fundamentally challenging problem. Existing approaches, including prompt negation, post-hoc editing, and negative guidance, remain insufficient for explicit concept suppression, often failing to remove the target concept or degrading overall image quality. To this end, we propose Orthogonal Negative Guidance in attention feature space, a training-free method that operates in the attention output space of MM-DiT-based T2I transformers. Our method orthogonalizes negative-prompt attention features with respect to positive-prompt features and subtracts only the orthogonal component, suppressing unwanted concepts while preserving desired semantics. Experiments on FLUX-dev and FLUX-schnell show that our method achieves favorable trade-offs between concept suppression, prompt alignment, and image quality. In human evaluation, our method outperforms the second-best baseline by 18.78%. We further show that our method supports multi-concept suppression and adjustable concept suppression.
• Abstract（参考訳）: テキスト・ツー・イメージ(T2I)モデルは高品質な画像を生成する能力が高まっている。 しかし、指定されたオブジェクトや属性の明示的な欠如を強制することは、基本的に難しい問題である。 プロンプト否定、ポストホック編集、ネガティブガイダンスなどの既存のアプローチは、明示的な概念抑圧には不十分であり、しばしばターゲット概念の削除や全体的な画像品質の低下に失敗する。 そこで本稿では,MM-DiTベースのT2Iトランスのアテンション出力空間で動作するトレーニングフリーな手法である,注目特徴空間における直交負性ガイダンスを提案する。 提案手法は,正のプロンプト特徴に対して負のプロンプト特徴を直交し,直交成分のみを減算し,所望のセマンティクスを保ちながら不要な概念を抑える。 FLUX-dev と FLUX-schnell の実験により,提案手法は概念抑圧,迅速なアライメント,画像品質のトレードオフを良好に達成できることを示した。 人的評価では,第2のベストベースラインが18.78%向上した。 さらに,本手法は多概念抑制と適応可能な概念抑圧をサポートすることを示す。

関連論文リスト

• Bi-Erasing: A Bidirectional Framework for Concept Removal in Diffusion Models [32.35244979539898]
  概念消去は、テキスト・ツー・イメージ・モデルにおいて、安全でない、あるいは違法な画像生成を緩和する主要なアプローチとなっている。 本稿では,概念抑制と安全性向上を同時に行う双方向画像誘導概念消去(Bidirectional Image-Guided Concept Erasure, Bi-Erasing)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-15T07:08:35Z)
• AlignVid: Training-Free Attention Scaling for Semantic Fidelity in Text-Guided Image-to-Video Generation [48.47444428530136]
  テキスト誘導画像・ビデオ(TI2V)生成は、特に被験者の一貫性と時間的コヒーレンスを維持する上で、近年顕著な進歩を遂げている。 既存の手法は、特に入力画像の実質的な変換が必要な場合、微細なプロンプトセマンティクスに固執するのに依然として苦労している。 ASM(Attention Scaling Modulation)とGS(Guidance Scheduling)の2つのコンポーネントを備えた、トレーニング不要のフレームワークであるAlignVidを紹介した。
  論文  参考訳（メタデータ） (2025-12-01T06:53:48Z)
• Set You Straight: Auto-Steering Denoising Trajectories to Sidestep Unwanted Concepts [12.04985139116705]
  我々は、望ましくない概念を避けるためにdeNoising TrajectoriesをガイドするANTと呼ばれる微調整フレームワークを導入する。 ANTは重要な洞察に基づいて構築されている。 単一概念の消去のために,より徹底的かつ効率的な消去を可能にする拡張型重み対応マップを提案する。 マルチコンセプト消去のために,目的関数は汎用的なプラグアンドプレイソリューションを提供し,性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-04-17T09:29:30Z)
• CE-SDWV: Effective and Efficient Concept Erasure for Text-to-Image Diffusion Models via a Semantic-Driven Word Vocabulary [55.3680995649415]
  大規模テキスト・ツー・イメージ(T2I)拡散モデルは、様々な概念に関する顕著な生成性能を達成している。 実際には、プライバシーと安全性の制限により、NSFW(Not Safe For Work)の概念に関する生成能力は望ましくない。 テキスト意味空間におけるT2I拡散モデルのターゲット概念を除去するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-26T15:39:47Z)
• EraseAnything: Enabling Concept Erasure in Rectified Flow Transformers [33.195628798316754]
  EraseAnythingは、最新のフローベースのT2Iフレームワークにおける概念消去に対処するために特別に開発された最初の方法である。 概念消去を二段階最適化問題として定式化し,LoRAに基づくパラメータチューニングとアテンションマップ正規化器を用いた。 本研究では,意図しない概念の除去が意図せず,無関係な概念のパフォーマンスを損なうことのない自己矛盾型学習戦略を提案する。
  論文  参考訳（メタデータ） (2024-12-29T09:42:53Z)
• Training-Free Layout-to-Image Generation with Marginal Attention Constraints [73.55660250459132]
  トレーニング不要なレイアウト・トゥ・イメージ(L2I)アプローチを提案する。 具体的には、テキスト・ビジュアル・クロスアテンション・フィーチャーマップを用いて、生成された画像のレイアウトと提供された命令の不整合を定量化する。 自己アテンション特徴写像の画素間相関を利用して、交差アテンション写像を整列し、境界注意で制約された3つの損失関数を組み合わせ、潜時特徴を更新する。
  論文  参考訳（メタデータ） (2024-11-15T05:44:45Z)
• MagicTailor: Component-Controllable Personalization in Text-to-Image Diffusion Models [51.1034358143232]
  概念内の個々のコンポーネントをカスタマイズし、再構成する新しいタスクである、コンポーネント制御可能なパーソナライゼーションを導入する。 この課題は、望ましくない要素が対象概念を阻害する意味汚染と、対象概念と構成要素を不均等に学習する意味不均衡という2つの課題に直面する。 動的マスケド・デグラデーション(Dynamic Masked Degradation, 動的マスケド・デグラデーション, 動的マスケド・デグラデーション)を用いて、望まない視覚的セマンティクスを適応的に摂動し、望まれる視覚的セマンティクスをよりバランスよく学習するために、デュアルストリーム・バランシング(Dual-Stream Balancing)を設計する。
  論文  参考訳（メタデータ） (2024-10-17T09:22:53Z)
• Curricular Contrastive Regularization for Physics-aware Single Image Dehazing [56.392696439577165]
  本研究では, コンセンサス空間を対象とし, 非コンセンサス空間ではなく, 新規なコントラスト正規化を提案する。 我々の負は,1)ハズーな画像から,2)既存の手法による対応する復元から,より低い制約を提供することができる。 このユニットは、直交的なコントラスト正規化とともに、C2PNetというデハジングネットワークを確立します。
  論文  参考訳（メタデータ） (2023-03-24T18:18:25Z)

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。