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
• Authors: Yue Yu, Yang Jiao, Jiayu Wang, Qi Dai, Jingjing Chen,
• 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

• 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)
• 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)

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。