論文の概要: Mitigating Content Shift and Hallucination in GenAI Image Editing via Structural Refinement

• arxiv url: http://arxiv.org/abs/2605.30437v1
• Date: Thu, 28 May 2026 18:11:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.160812
• Title: Mitigating Content Shift and Hallucination in GenAI Image Editing via Structural Refinement
• Title（参考訳）: 構造再構成によるGenAI画像編集における内容変化と幻覚の緩和
• Authors: Luxi Zhao, Michael S. Brown,
• Abstract要約: 本稿では,GenAIに強化された入力画像を融合した後処理フレームワークを提案する。 本手法は,画素レベルの構造的整合性と入力解像度を維持しつつ,美的品質を向上する。
• 参考スコア（独自算出の注目度）: 18.50407436771852
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative AI (GenAI) image editors, such as Nano Banana, produce visually compelling results for retouching tasks, enabling non-experts to edit images through text prompts alone. However, the generative nature of these models often introduces spatial misalignment, texture distortion, and content hallucination, all of which are detrimental to downstream workflows that require pixel-level fidelity. We identify a problem setting we call "structure-preserving GenAI fusion" for black-box GenAI image retouching: retain the perceptual enhancements of a GenAI output while enforcing structural faithfulness to the original input image. To address this problem, we propose a post-processing framework that fuses an input image with its GenAI-enhanced counterpart by first establishing coarse spatial and photometric correspondences, then performing a fusion stage that transfers desired enhancements while suppressing hallucinated content. In the absence of direct prior work in this setting, we evaluate our framework against representative methods from photorealistic style transfer and image fusion. Our experiments demonstrate that our method better preserves aesthetic quality while maintaining pixel-level structural consistency and the input resolution.
• Abstract（参考訳）: Nano Bananaのような生成AI(GenAI)イメージエディタは、タスクを書き換えるための視覚的に魅力的な結果を生成し、非専門家がテキストプロンプトだけで画像を編集できるようにする。 しかしながら、これらのモデルの生成的性質は、しばしば空間的不整合、テクスチャ歪み、およびコンテンツ幻覚を導入し、これらは全てピクセルレベルの忠実さを必要とする下流ワークフローに有害である。 我々は、原画像に構造的忠実さを強制しつつ、GenAI出力の知覚的拡張を保ちながら、ブラックボックスのGenAIイメージリタッチに「構造保存GenAI融合」と呼ぶ問題を特定する。 この問題に対処するために,まず粗い空間・測光対応を確立することで,入力画像とGenAIを融合した後処理フレームワークを提案する。 この設定における直接的な事前作業がない場合、フォトリアリスティックなスタイル転送と画像融合から代表的手法に対する我々の枠組みを評価する。 提案手法は,画素レベルの構造的整合性と入力解像度を維持しつつ,美的品質を向上することを示す。

関連論文リスト

• InsightTok: Improving Text and Face Fidelity in Discrete Tokenization for Autoregressive Image Generation [67.8525902443746]
  InsightTokは、個別の視覚的トークン化フレームワークで、ローカライズされたコンテンツ対応の知覚的損失を通じて、テキストと顔の忠実度を高める。 コンパクトな16kコードブックと16倍のダウンサンプリングレートで、InsightTokはテキストや顔の再構成において、以前のトークンよりも大幅にパフォーマンスが向上した。 その結果、離散画像生成を進めるためのトークン化教育における特殊監督の可能性が浮き彫りになった。
  論文  参考訳（メタデータ） (2026-05-14T03:57:25Z)
• EditInfinity: Image Editing with Binary-Quantized Generative Models [64.05135380710749]
  画像編集のためのバイナリ量子化生成モデルのパラメータ効率適応について検討する。 具体的には、画像編集のためのバイナリ量子化生成モデルであるEmphInfinityを適応させるEditInfinityを提案する。 テキストの修正と画像スタイルの保存を促進させる,効率的かつ効果的な画像反転機構を提案する。
  論文  参考訳（メタデータ） (2025-10-23T05:06:24Z)
• Guide-and-Rescale: Self-Guidance Mechanism for Effective Tuning-Free Real Image Editing [42.73883397041092]
  本稿では,誘導機構による拡散サンプリングプロセスの修正に基づく新しい手法を提案する。 本研究では,入力画像の全体構造を保存するための自己誘導手法について検討する。 本稿では,人間の評価と定量的分析を通じて,提案手法が望ましい編集を可能にすることを示す。
  論文  参考訳（メタデータ） (2024-09-02T15:21:46Z)
• Image Inpainting via Conditional Texture and Structure Dual Generation [26.97159780261334]
  本稿では, 構造制約によるテクスチャ合成とテクスチャ誘導による構造再構築をモデル化した, 画像インペイントのための新しい2ストリームネットワークを提案する。 グローバルな一貫性を高めるため、双方向Gated Feature Fusion (Bi-GFF)モジュールは構造情報とテクスチャ情報を交換・結合するように設計されている。 CelebA、Paris StreetView、Places2データセットの実験は、提案手法の優位性を実証している。
  論文  参考訳（メタデータ） (2021-08-22T15:44:37Z)
• Controllable Person Image Synthesis with Spatially-Adaptive Warped Normalization [72.65828901909708]
  制御可能な人物画像生成は、望ましい属性を持つ現実的な人間の画像を作成することを目的としている。 本稿では,学習フロー場とワープ変調パラメータを統合した空間適応型ワープ正規化(SAWN)を提案する。 本稿では,テクスチャ・トランスファータスクの事前学習モデルを洗練するための,新たな自己学習部分置換戦略を提案する。
  論文  参考訳（メタデータ） (2021-05-31T07:07:44Z)

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。