論文の概要: Adaptive Inference-Time Scaling via Early-Step Latent Verification for Image Editing
- arxiv url: http://arxiv.org/abs/2606.15188v1
- Date: Sat, 13 Jun 2026 08:30:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:33.043829
- Title: Adaptive Inference-Time Scaling via Early-Step Latent Verification for Image Editing
- Title（参考訳）: 画像編集における早期段階潜時検証による適応的推論時間スケーリング
- Abstract要約: 好ましくない初期ノイズは、満足のいく編集結果につながる可能性がある。
最近の推論時間スケーリング手法では、複数の初期ノイズをサンプリングし、より良い候補を選択することでこの問題に対処している。
We propose VeriLatent, a plug-and-play Adaptive Inference-time Scaling framework with early-step latent verification for image editing。
- 参考スコア（独自算出の注目度）: 49.40982704974727
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Instruction-based image editing has made notable progress with recent advances in generative models. However, the quality of the edited result is still influenced by the randomly sampled initial noise, particularly in complex editing scenarios. An unsuitable initial noise may lead to unsatisfactory editing results. Recent inference-time scaling methods address this issue by sampling multiple initial noises and selecting better candidates. Nevertheless, most of them follow a decode-then-verify scheme which introduces an efficiency-accuracy trade-off. When decoding is performed after limited inference steps, the decoded images often remain too noisy for reliable assessment, whereas sufficiently denoised images require much higher computational cost. To address this issue, we propose VeriLatent, a plug-and-play adaptive inference-time scaling framework with early-step latent verification for image editing. Specifically, we propose a novel verifier that scores each initial noise through a latent-space editing activation map at an early stage. It identifies promising candidates by assessing whether they can induce an effective edit in the correct region. This enables efficient early pruning without decoding latents into images. Building on this, we further develop an adaptive search strategy for inference-time scaling. It allocates inference budgets according to editing difficulty, thereby reducing the number of function evaluations (NFE). Extensive experiments on multiple benchmarks and different base models demonstrate that VeriLatent consistently improves both editing performance and inference-time scaling efficiency.
- Abstract（参考訳）: 命令に基づく画像編集は、最近の生成モデルの発展によって顕著な進歩を遂げている。
しかし、編集結果の品質は、特に複雑な編集シナリオにおいて、ランダムにサンプリングされた初期ノイズの影響を受け続けている。
好ましくない初期ノイズは、満足のいく編集結果につながる可能性がある。
最近の推論時間スケーリング手法では、複数の初期ノイズをサンプリングし、より良い候補を選択することでこの問題に対処している。
それにもかかわらず、そのほとんどは、効率の正確なトレードオフをもたらすデコード検証スキームに従う。
限られた推論ステップの後に復号を行う場合、復号された画像は信頼性の高い評価にはうるさいが、十分な復号化画像はより高い計算コストを必要とする。
この問題に対処するために,画像編集のための早期遅延検証機能を備えた,プラグアンドプレイ適応型推論時間スケーリングフレームワークであるVeriLatentを提案する。
具体的には,早期に遅延空間編集活性化マップを通じて各初期雑音をスコアする新しい検証器を提案する。
適切な領域で有効な編集を誘導できるかどうかを評価することで、有望な候補を特定する。
これにより、潜伏剤を画像に復号することなく、効率的な早期刈り取りが可能となる。
これに基づいて、推論時間スケーリングのための適応探索戦略をさらに発展させる。
編集難易度に応じて推論予算を割り当て、機能評価(NFE)の回数を減らす。
複数のベンチマークと異なるベースモデルに対する大規模な実験により、VeriLatentは、編集性能と推論時間スケーリング効率の両方を一貫して改善することを示した。
関連論文リスト
- From Scale to Speed: Adaptive Test-Time Scaling for Image Editing [42.704748740631885]
Image Chain-of-Thought (Image-CoT)は、推論時間を拡張して画像生成を改善するテストタイムスケーリングパラダイムである。
本稿では、編集効率と性能を向上させるオンデマンドテストタイムスケーリングフレームワークであるAdaptive Edit-CoT(ADE-CoT)を提案する。
論文 参考訳（メタデータ） (2026-02-24T09:13:16Z) - TTSnap: Test-Time Scaling of Diffusion Models via Noise-Aware Pruning [53.52543819839442]
テキスト・画像拡散モデルのテスト時間スケーリングに対する顕著なアプローチは、複数のノイズシードの探索として問題を定式化する。
ノイズ対応プルーニング(TTSnap)を用いたテスト時間スケーリングを提案する。
論文 参考訳（メタデータ） (2025-11-27T09:14:26Z) - 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) - Exploring Iterative Manifold Constraint for Zero-shot Image Editing [38.7483790652481]
我々はZZEditと呼ばれる新しいゼロショット編集パラダイムを提案する。
より優れた編集ピボットとして$z_p$とマークされた適格な中間反転子を見つける。
我々のZZEditは、$M_p$と$M_p-1$の多様体間の反復多様体制約を実行し、忠実度誤差を少なくする。
論文 参考訳（メタデータ） (2025-01-07T09:00:36Z) - Schedule Your Edit: A Simple yet Effective Diffusion Noise Schedule for Image Editing [42.45138713525929]
効率的な編集では、ソースイメージを潜在空間に反転させる必要があり、このプロセスはDDIMの反転に固有の予測エラーによってしばしば妨げられる。
特異性を排除し、インバージョン安定性を改善し、画像編集のためのより良いノイズ空間を提供する新しいノイズスケジュールであるロジスティックスケジュールを導入する。
提案手法では追加のトレーニングは必要とせず,既存の編集手法と互換性がある。
論文 参考訳（メタデータ） (2024-10-24T14:07:02Z) - PostEdit: Posterior Sampling for Efficient Zero-Shot Image Editing [63.38854614997581]
拡散サンプリングプロセスを制御するために後続のスキームを組み込んだPostEditを導入する。
提案したPostEditは、未編集領域を正確に保存しながら、最先端の編集性能を実現する。
インバージョンもトレーニングも不要で、約1.5秒と18GBのGPUメモリを必要とするため、高品質な結果が得られる。
論文 参考訳（メタデータ） (2024-10-07T09:04:50Z) - Detection-Driven Object Count Optimization for Text-to-Image Diffusion Models [54.641726517633025]
本稿では,事前学習したオブジェクトカウント技術とオブジェクト検出器を用いて生成をガイドする新しいフレームワークを提案する。
まず、完全生成画像上で計算された外ループ損失を用いてカウントトークンを最適化する。
第二に、視点や比例シフトによる誤差を補正する検出駆動スケーリング項を導入する。
論文 参考訳（メタデータ） (2024-08-21T15:51:46Z) - InitNO: Boosting Text-to-Image Diffusion Models via Initial Noise Optimization [27.508861002013358]
InitNOは、意味的に忠実な画像の初期ノイズを洗練させるパラダイムである。
戦略的に構築されたノイズ最適化パイプラインは、初期ノイズを有効領域へ導くために開発された。
厳密な実験によって検証された本手法は,テキストのプロンプトに厳密な一致で画像を生成する能力を示す。
論文 参考訳（メタデータ） (2024-04-06T14:56:59Z) - Score Priors Guided Deep Variational Inference for Unsupervised
Real-World Single Image Denoising [14.486289176696438]
本稿では,実世界の実演のためのスコア先行誘導深部変分推論,すなわちScoreDVIを提案する。
我々は、実世界の雑音をモデル化するために、非i.i.d$ガウス混合モデルと変分ノイズ後部モデルを利用する。
提案手法は,他の単一画像ベースの実世界のデノベーション手法よりも優れ,データセットベースの教師なし手法に匹敵する性能を実現する。
論文 参考訳（メタデータ） (2023-08-09T03:26:58Z) - DETA: Denoised Task Adaptation for Few-Shot Learning [135.96805271128645]
数ショット学習におけるテスト時間タスク適応は、訓練済みのタスク非依存モデルに適応してタスク固有の知識を取得することを目的としている。
少数のサンプルしか得られないため、支持試料からのイメージノイズ(Xノイズ)またはラベルノイズ(Yノイズ)の悪影響を著しく増幅することができる。
Denoized Task Adaptation (DETA) は、既存のタスク適応アプローチに対して、最初に統合された画像とラベルをデノベートするフレームワークである。
論文 参考訳（メタデータ） (2023-03-11T05:23:20Z)
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。