論文の概要: Training-free image inversion for one-step diffusion models

• arxiv url: http://arxiv.org/abs/2606.01380v1
• Date: Sun, 31 May 2026 18:10:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:29.673094
• Title: Training-free image inversion for one-step diffusion models
• Title（参考訳）: 一段階拡散モデルのための訓練不要画像インバージョン
• Authors: Tao Wu, Senmao Li, Yaxing Wang, Shiqi Yang, Kai Wang, Joost van de Weijer,
• Abstract要約: 実画像のインバージョンと編集における重要な課題に対処する,ワンステップ拡散モデルのための新しいトレーニングフリー・インバージョンフレームワークを提案する。 まず、実画像の反転と編集を妨げる2つの重要な要因を同定する。 本稿では,正規ガウス分布と一致させるために分配ギャップを最小化する反復雑音アライメント(iterNA)と,テキストと画像のアライメントを強化する接尾辞学習(suffL)の2つの新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 31.38241916022748
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this work, we introduce a novel training-free inversion (TFinv) framework for one-step diffusion models,addressing key challenges in real image inversion and editing. We first identify two critical factors hamperingreal-image inversion and editing: (1) Initial Latent Editability, which is related to the distance between theinitial noise and the ideal Gaussian distribution, and (2) Caption Gap, which means the alignment betweentext captions and image representations. Both factors influence inversion efficiency and the editability ofone-step diffusion models. Then, we propose two novel techniques: iterative noise alignment (iterNA), whichminimizes the distribution gap to align with the normal Gaussian distribution, and suffix learning (suffL),which enhances text-to-image caption alignment by introducing learned suffix prompt tokens. These techniquesenable precise inversion of input images into their initial noise representations and facilitate image editing.Furthermore, we propose a mask-based editing technique for localized edits while preserving backgroundintegrity. Comprehensive experiments on the PIE-Bench dataset validate that our method TFinv not onlyachieves state-of-the-art performance in one-step diffusion editing, but also significantly outperforms existingmultistep approaches in efficiency. The code is available at https://github.com/tttao-uwu/TFinv.git.
• Abstract（参考訳）: 本研究では,一段階拡散モデルのための新しいトレーニングフリー・インバージョン(TFinv)フレームワークを導入する。 1)初期雑音と理想ガウス分布との距離に関連する初期遅延編集可能性,(2)文字キャプションと画像表現のアライメントを意味するキャプションギャップ,である。 どちらの要因もインバージョン効率とワンステップ拡散モデルの編集性に影響を与える。 そこで本研究では,正規ガウス分布と一致させるために分配ギャップを最小化する反復雑音アライメント(iterNA)と,学習した接尾辞プロンプトを導入してテキストと画像のアライメントを強化する接尾辞学習(suffL)という2つの新しい手法を提案する。 入力画像の初期ノイズ表現への正確なインバージョンが可能であり,画像編集を容易にするとともに,背景統合性を維持しつつ,局所的な編集を行うためのマスクベースの編集手法を提案する。 PIE-Benchデータセットの総合的な実験により,提案手法のTFinvは1ステップ拡散編集における最先端性能を損なうだけでなく,既存のマルチステップアプローチの効率を著しく上回ることを示した。 コードはhttps://github.com/tttao-uwu/TFinv.gitで公開されている。

関連論文リスト

• BiFM: Bidirectional Flow Matching for Few-Step Image Editing and Generation [48.679227622825806]
  BiFM(Bidirectional Flow Matching)は、単一のモデル内で生成と反転を共同で学習する統合フレームワークである。 BiFMは既存の数ステップのアプローチを一貫して上回り、優れたパフォーマンスと編集性を実現している。
  論文  参考訳（メタデータ） (2026-03-26T02:16:54Z)
• 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)
• TurboEdit: Text-Based Image Editing Using Few-Step Diffusion Models [53.757752110493215]
  テキストベースの一般的な編集フレームワーク – 編集フレンドリーなDDPM-noiseインバージョンアプローチ – に注目します。 高速サンプリング法への適用を解析し、その失敗を視覚的アーティファクトの出現と編集強度の不足という2つのクラスに分類する。 そこで我々は,新しいアーティファクトを導入することなく,効率よく編集の規模を拡大する疑似誘導手法を提案する。
  論文  参考訳（メタデータ） (2024-08-01T17:27:28Z)
• Eliminating Contextual Prior Bias for Semantic Image Editing via Dual-Cycle Diffusion [35.95513392917737]
  Dual-Cycle Diffusionと呼ばれる新しいアプローチは、画像編集をガイドするアンバイアスマスクを生成する。 提案手法の有効性を実証し,D-CLIPスコアを0.272から0.283に改善した。
  論文  参考訳（メタデータ） (2023-02-05T14:30:22Z)
• Uncovering the Disentanglement Capability in Text-to-Image Diffusion Models [60.63556257324894]
  画像生成モデルの重要な特性は、異なる属性をアンタングルする能力である。 本稿では,2つのテキスト埋め込みの混合重みをスタイルマッチングとコンテンツ保存に最適化した,シンプルで軽量な画像編集アルゴリズムを提案する。 実験により,提案手法は拡散モデルに基づく画像編集アルゴリズムよりも優れた性能で,幅広い属性を修正可能であることが示された。
  論文  参考訳（メタデータ） (2022-12-16T19:58:52Z)
• Null-text Inversion for Editing Real Images using Guided Diffusion Models [44.27570654402436]
  精度の高い逆変換手法を導入し、直感的なテキストベースの画像修正を容易にする。 我々のNull-textインバージョンは、公開されている安定拡散モデルに基づいて、様々な画像に対して広範囲に評価し、迅速な編集を行う。
  論文  参考訳（メタデータ） (2022-11-17T18:58:14Z)

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。