論文の概要: Conditioning Matters: Stabilizing Inversion and Attention in Diffusion Image Editing

• arxiv url: http://arxiv.org/abs/2606.14125v1
• Date: Fri, 12 Jun 2026 05:13:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.757915
• Title: Conditioning Matters: Stabilizing Inversion and Attention in Diffusion Image Editing
• Title（参考訳）: 条件付け事項:拡散画像編集における反転と注意の安定化
• Authors: Zheyuan Zhan, Hongchen Li, Can Wang, Yinfei Ma, Mingzhen Huang, Ruoshi Bai, Jiawei Chen, Siwei Lyu, Defang Chen,
• Abstract要約: インバージョンベースの画像編集は、フレキシブルでトレーニング不要な制御を提供するが、いまだにインバージョン精度と編集忠実度と背景保存のトレードオフに苦慮している。 本研究では,テキスト条件の精度が拡散速度場の幾何を変調することによって逆安定性に影響を及ぼすことを示す。 コンディショニング改善とクロスブランチアテンション制御という,2つの補完的なコンポーネントを備えたコンディショニング対応フレームワークであるSimEditを提案する。
• 参考スコア（独自算出の注目度）: 27.02750589908665
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inversion-based image editing offers flexible and training-free control but still struggles with inversion accuracy and the trade-off between editing fidelity and background preservation. While recent methods improve inversion formulations or attention interactions, the role of textual conditioning in shaping diffusion dynamics and editing behavior remains underexplored. We show both empirically and theoretically that the precision of textual conditioning influences inversion stability by modulating the geometry of the diffusion velocity field, while also affecting the consistency of cross-branch attention during editing. These effects directly impact background preservation and semantic fidelity. Building on this analysis, we propose SimEdit, a conditioning-aware framework with two complementary components: (a) conditioning refinement, which constructs conditioning signals with improved semantic precision and structural alignment to facilitate stable inversion and consistent attention manipulation, and (b) token-wise cross-branch attention control, which separates edit-relevant and structure-preserving components and modulates them asymmetrically during attention manipulation. Extensive experiments on PIE-Bench demonstrate that SimEdit consistently improves both inversion reconstruction quality and editing performance over previous attention-manipulation approaches. Our code is available at https://github.com/zju-pi/SimEdit.
• Abstract（参考訳）: インバージョンベースの画像編集は、フレキシブルでトレーニング不要な制御を提供するが、いまだにインバージョン精度と編集忠実度と背景保存のトレードオフに苦慮している。 近年の手法では、インバージョン定式化やアテンションの相互作用が改善されているが、テキスト条件付けが拡散力学や編集行動の形成に果たす役割は未解明のままである。 実験と理論的には,テキスト条件の精度が拡散速度場の幾何を変調することによって逆安定性に影響を及ぼすとともに,編集時のクロスブランチの注意の整合性にも影響を及ぼすことを示す。 これらの影響は、背景の保存と意味的忠実性に直接影響を及ぼす。 この分析に基づいて,2つの相補的なコンポーネントを持つ条件対応フレームワークであるSimEditを提案する。 (a)意味的精度と構造的アライメントを改善したコンディショニング信号を構築し、安定なインバージョンと一貫した注意操作を容易にするコンディショニングリファインメント b) トークン単位のクロスブランチアテンションコントロール。これは、編集関連コンポーネントと構造保存コンポーネントを分離し、アテンション操作中に非対称に調整する。 PIE-Bench での大規模な実験により,SimEdit は従来の注目操作手法よりも逆変換品質と編集性能を一貫して改善することを示した。 私たちのコードはhttps://github.com/zju-pi/SimEdit.comから入手可能です。

関連論文リスト

• The Devil is in Attention Sharing: Improving Complex Non-rigid Image Editing Faithfulness via Attention Synergy [71.39358554558667]
  我々は,SynPSを紹介した。SynPSは位置埋め込みとセマンティック情報を利用して,忠実な非剛性画像編集を行う手法である。 本稿では,各段階で必要な編集規模を定量化する編集計測手法を提案する。 位置と意味を適応的に統合することで、SynPSはオーバー編集とアンダー編集の両方を効果的に避ける。
  論文  参考訳（メタデータ） (2025-12-16T14:08:00Z)
• ConsistEdit: Highly Consistent and Precise Training-free Visual Editing [17.162316662697965]
  本稿では,MM-DiTに適した新しいアテンション制御手法であるConsistEditを提案する。 視覚のみの注意制御、マスク誘導型事前注意融合、クエリ、キー、バリュートークンの操作を区別する。 構造整合性および構造整合性の両方のシナリオを含む、幅広い画像およびビデオ編集タスクにおける最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-10-20T17:59:52Z)
• Follow-Your-Shape: Shape-Aware Image Editing via Trajectory-Guided Region Control [52.87568958372421]
  Follow-Your-Shapeは、トレーニング不要でマスクなしのフレームワークで、オブジェクト形状の正確かつ制御可能な編集をサポートする。 インバージョンとデノナイジングパスのトークン単位の速度差を比較することで,TDM(Torjectory Divergence Map)を算出する。 本手法は、特に大規模な形状変更を必要とするタスクにおいて、優れた編集性と視覚的忠実性を実現する。
  論文  参考訳（メタデータ） (2025-08-11T16:10:00Z)
• Tuning-Free Image Editing with Fidelity and Editability via Unified Latent Diffusion Model [60.82962950960996]
  拡散遅延最適化を行うチューニング不要なUnifyEditを導入する。 本研究では, 自己注意保持制約(SA)と相互注意アライメント制約(CA)の2つを開発し, テキストアライメントの強化を図る。 提案手法は,様々な編集作業における構造保存とテキストアライメントのバランスを保ち,他の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2025-04-08T01:02:50Z)
• Tuning-Free Inversion-Enhanced Control for Consistent Image Editing [44.311286151669464]
  我々は、チューニング不要なインバージョン強化制御(TIC)と呼ばれる新しいアプローチを提案する。 TICは、インバージョンプロセスとサンプリングプロセスの特徴を相関付け、DDIM再構成の不整合を軽減する。 また、インバージョンと単純なDDIM編集プロセスの両方の内容を組み合わせたマスク誘導型アテンション結合戦略を提案する。
  論文  参考訳（メタデータ） (2023-12-22T11:13:22Z)

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。