論文の概要: DenseControl: Instance-Level Controllable Synthesis of Dense Crowd Image
- arxiv url: http://arxiv.org/abs/2606.15592v1
- Date: Sun, 14 Jun 2026 04:23:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:33.739885
- Title: DenseControl: Instance-Level Controllable Synthesis of Dense Crowd Image
- Title（参考訳）: DenseControl:Dense Crowd Imageのインスタンスレベル制御可能な合成
- Abstract要約: DenseControlの背後にあるモチベーションは、群衆像の付与における2つの主要な課題の観察から来ている。
まず、空間的位置制御を容易にする新しい表現である、分離オブジェクト埋め込み(IOE)マップを紹介する。
次に、IOEマップとシームレスに統合して正確なスケール情報をエンコードするImlicit Scale Embedding(ISE)戦略を提案する。
- 参考スコア（独自算出の注目度）: 24.29717417809535
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we introduce DenseControl, a novel pipeline for generating dense crowd images. Specifically, DenseControl meticulously positions and sizes each generated instance to align precisely with the predefined coordinates and scales. Based on this, we further allow for control over the background, style, and attributes of instances. The motivation behind DenseControl stems from the observation of two main challenges in synthesizing crowd images: controlling signal embedding and maintaining topological integrity when imparting instance scale guidance. To address these, we first introduce the Isolated Object Embedding (IOE) map, a novel representation that facilitates spatial location control while mitigating the difficulties associated with learning projections for model. Secondly, we propose an Implicit Scale Embedding (ISE) strategy that seamlessly integrates with the IOE map to encode precise scale information. To further enhance the efficacy of combining ISE with the IOE map, we incorporate a Position Shortcut mechanism that enhances cross-attention to alleviate projection challenges. We evaluate DenseControl through two lenses: synthesis quality and applicability in latent applications. Experiments across different control conditions demonstrate DenseControl achieves state-of-the-art results in dense crowd image synthesis. Furthermore, we showcase applications in augmenting crowd analysis under data scarcity, transfer learning, and weather generalization scenes, to highlight the practical utility of DenseControl. The codebase will be released.
- Abstract（参考訳）: 本稿では,密度の高い群衆画像を生成するための新しいパイプラインであるDenseControlを紹介する。
具体的には、DenseControlは、事前に定義された座標とスケールと正確に一致するように、各生成されたインスタンスの位置とサイズを慎重に決める。
これに基づいて、インスタンスの背景、スタイル、属性の制御をさらに可能にします。
DenseControlの背後にあるモチベーションは、信号埋め込みの制御と、インスタンススケールガイダンスの付与時のトポロジ的整合性維持という、群衆像の合成における2つの主な課題の観察から来ている。
これらの問題に対処するために,モデルに対する学習投影に伴う困難を軽減しつつ,空間的位置制御を容易にする新しい表現である Isolated Object Embedding (IOE) map を導入する。
次に、IOEマップとシームレスに統合して正確なスケール情報をエンコードするImlicit Scale Embedding(ISE)戦略を提案する。
ISE と IOE マップの併用効果をさらに高めるため,プロジェクションの課題を軽減するために,クロスアテンションを強化した位置ショートカット機構を組み込んだ。
我々はDenseControlを2つのレンズで評価した。
異なる制御条件における実験により、DenseControlは、密集した群衆画像合成の最先端の結果を得ることができた。
さらに、DenseControlの実用性を強調するために、データ不足、移動学習、気象一般化の場面において、群衆分析を増強するアプリケーションを紹介した。
コードベースはリリースされる。
関連論文リスト
- Histogram-constrained Image Generation [2.8568424450797596]
ヒストグラム制約画像生成(HIG)は制御粒度の中間に落ちる新しい制御機構である。
我々のフレームワークは、正確な精度で生成プロセス中に、ユーザ特定分布制約(例えば、カラーヒストグラムや潜在トークン分布)を強制する。
本研究は,既存の制御機構と完全に互換性のあるフレキシブルかつ解釈可能な制御方式である分散制御の可能性を裏付けるものである。
論文 参考訳（メタデータ） (2026-06-30T13:58:56Z) - A Two-Stage System for Layout-Controlled Image Generation using Large Language Models and Diffusion Models [0.0]
テキストから画像への拡散モデルは、顕著な生成能力を示すが、対象数や空間配置の正確な制御は欠如している。
この研究は、これらの構成制限に対処する2段階のシステムを導入する。
最初のステージでは、オブジェクトのリストから構造化レイアウトを生成するために、LLM(Large Language Model)を採用している。
第2段階では、レイアウト条件付き拡散モデルを用いて、このレイアウトに付着したフォトリアリスティック画像を合成する。
論文 参考訳（メタデータ） (2025-11-10T09:40:48Z) - SpatialLock: Precise Spatial Control in Text-to-Image Synthesis [12.228506553590776]
本研究では,認識信号と接地情報を利用して空間的位置の生成を協調的に制御する新しい枠組みを提案する。
実験の結果、SpatialLockは精度の高いオブジェクト位置決めのための新しい最先端技術を設定し、複数のデータセットで0.9以上のIOUスコアを達成している。
論文 参考訳（メタデータ） (2025-11-06T06:51:55Z) - Compass Control: Multi Object Orientation Control for Text-to-Image Generation [24.4172525865806]
テキストと画像の拡散モデルを制御する既存のアプローチは、強力ではあるが、明示的な3Dオブジェクト中心制御を許さない。
テキスト・画像拡散モデルにおける多目的方向制御の問題に対処する。
これにより、各オブジェクトに対して正確な向き制御を備えた多様なマルチオブジェクトシーンを生成することができる。
論文 参考訳（メタデータ） (2025-04-09T10:15:15Z) - Fine-grained Controllable Video Generation via Object Appearance and
Context [74.23066823064575]
細粒度制御可能なビデオ生成法(FACTOR)を提案する。
FACTORは、オブジェクトの位置とカテゴリを含む、オブジェクトの外観とコンテキストを制御することを目的としている。
本手法は,オブジェクトの外観を微調整せずに制御し,オブジェクトごとの最適化作業を省く。
論文 参考訳（メタデータ） (2023-12-05T17:47:33Z) - SSMG: Spatial-Semantic Map Guided Diffusion Model for Free-form
Layout-to-Image Generation [68.42476385214785]
本稿では,レイアウトから派生した特徴写像を用いた空間意味マップガイド(SSMG)拡散モデルを提案する。
SSMGは,従来の研究に比べて空間的,意味的な制御性に優れた生成品質を実現する。
また,RSA(Relation-Sensitive Attention)機構とLSA(Location-Sensitive Attention)機構を提案する。
論文 参考訳（メタデータ） (2023-08-20T04:09:12Z) - Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold [79.94300820221996]
DragGANはGAN(Generative Adversarial Network)を制御する新しい方法である
DragGANを使えば、ピクセルの行き先を正確に制御して、動物、車、人間、風景などのさまざまなカテゴリのポーズ、形状、表現、レイアウトを操作することができる。
定性的かつ定量的な比較は、画像操作や点追跡のタスクにおいて、以前のアプローチよりもDragGANの利点を示している。
論文 参考訳（メタデータ） (2023-05-18T13:41:25Z) - De-coupling and De-positioning Dense Self-supervised Learning [65.56679416475943]
Dense Self-Supervised Learning (SSL)メソッドは、複数のオブジェクトでイメージを処理する際に、画像レベルの特徴表現を使用する際の制限に対処する。
本研究は, 層深度やゼロパディングに伴う受容野の増大によって生じる, 結合と位置バイアスに悩まされていることを示す。
我々はCOCOにおける本手法の利点と、オブジェクト分類、セマンティックセグメンテーション、オブジェクト検出のための新しい挑戦的ベンチマークであるOpenImage-MINIについて示す。
論文 参考訳（メタデータ） (2023-03-29T18:07:25Z) - Self-Supervised Object Detection via Generative Image Synthesis [106.65384648377349]
本稿では,自己教師対象検出のための制御可能なGANを用いたエンドツーエンド分析合成フレームワークを提案する。
オブジェクトの合成と検出を学習するために、ボックスアノテーションを使用せずに、実世界のイメージのコレクションを使用します。
我々の研究は、制御可能なGAN画像合成という新しいパラダイムを導入することで、自己教師対象検出の分野を前進させる。
論文 参考訳（メタデータ） (2021-10-19T11:04:05Z) - Example-Guided Image Synthesis across Arbitrary Scenes using Masked
Spatial-Channel Attention and Self-Supervision [83.33283892171562]
実例誘導画像合成は,最近セマンティックラベルマップと模範画像から画像を合成するために試みられている。
本稿では,ラベルマップと意味的に異なる任意のシーンイメージを例に,より困難で汎用的な課題に取り組む。
本稿では,グローバル・ローカルな特徴アライメントと合成のためのエンドツーエンドネットワークを提案する。
論文 参考訳（メタデータ） (2020-04-18T18:17:40Z)
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。