論文の概要: BindEdit: Taming Attention Leakage for Precise Multi-Object Image Editing

• arxiv url: http://arxiv.org/abs/2606.18906v1
• Date: Wed, 17 Jun 2026 10:32:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.117097
• Title: BindEdit: Taming Attention Leakage for Precise Multi-Object Image Editing
• Title（参考訳）: BindEdit: 高精度なマルチオブジェクト画像編集のための注意漏洩処理
• Authors: Chaewon Park, Soyoon Lee, Naeun Lee, Minjung Shin, Seogkyu Jeon, Kibeom Hong,
• Abstract要約: 実際の画像編集は視覚的コンテンツの正確な操作を可能にするが、既存の手法は複雑な多目的シナリオで失敗することが多い。 本稿では,単一拡散軌道における注意レベル制約を強制するBindEditを提案する。 BindEditは、単一拡散軌道内の既存のメソッドを一貫して上回る。
• 参考スコア（独自算出の注目度）: 8.542586773614113
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real image editing enables precise manipulation of visual content, yet existing methods often fail in complex multi-object scenarios, causing semantic blending, object duplication, or incomplete edits. We attribute these failures to attention leakage, where signals across spatial regions and text tokens become entangled during the denoising process. Specifically, we identify two distinct forms of leakage: Edit-Token Leakage, where ambiguous token-region alignment leads to object blending, and Source Dominance Leakage, where tokens of unchanged source objects overwhelm the attention intended for target entities. To resolve these leakages, we propose \textbf{BindEdit}, which enforces attention-level constraints within a single diffusion trajectory. To suppress Edit-Token Leakage, BindEdit jointly regularizes cross- and self-attention so that each target token group is bound to its corresponding spatial region while maintaining instance-level separation. To suppress Source Dominance Leakage, a cross-attention re-balancing mechanism amplifies target token influence and attenuates residual source semantics within editable regions. Moreover, a region fidelity term ensures that each target concept is expressed coherently across the entire editing mask. Additionally, we propose a comprehensive multi-object benchmark encompassing diverse object counts and categories. Extensive experiments demonstrate that BindEdit consistently outperforms existing methods within a single diffusion trajectory, maintaining robust performance across both single- and multi-object editing scenarios.
• Abstract（参考訳）: 実際の画像編集はビジュアルコンテンツの正確な操作を可能にするが、既存のメソッドは複雑な多目的シナリオで失敗し、セマンティックブレンディング、オブジェクト重複、あるいは不完全な編集を引き起こす。 我々はこれらの故障を注意漏れとみなし、空間領域をまたいだ信号やテキストトークンがデノナイジングの過程で絡み合うようになる。 具体的には、不明瞭なトークン領域のアライメントがオブジェクトブレンディングにつながるEdit-Token Leakageと、変化しないソースオブジェクトのトークンがターゲットエンティティに意図された注意を圧倒するSource Dominance Leakageの2つの異なるタイプのリークを識別する。 これらのリークを解決するために,単一拡散軌道内の注意レベル制約を強制する \textbf{BindEdit} を提案する。 Edit-Token Leakageを抑えるため、BindEditはクロスアテンションとセルフアテンションを共同で正規化し、各ターゲットトークン群がインスタンスレベルの分離を維持しながら対応する空間領域にバインドされる。 ソースドミナンスリークを抑制するために、クロスアテンション再バランシング機構はターゲットトークンの影響を増幅し、編集可能な領域内の残元セマンティクスを減衰させる。 さらに、領域忠実度項は、各目標概念が編集マスク全体にわたって整合的に表現されることを保証する。 さらに,多種多様な対象数とカテゴリを包含する総合的多目的ベンチマークを提案する。 大規模な実験により、BidEditは単一の拡散路内の既存のメソッドを一貫して上回り、単一のオブジェクトと複数オブジェクトの両方の編集シナリオで堅牢なパフォーマンスを維持している。

関連論文リスト

• Shifting the Breaking Point of Flow Matching for Multi-Instance Editing [47.32746672482526]
  本稿では,共同注意操作を分割し,インスタンス固有のテキスト命令と空間領域間の結合を強制する機構であるインスタンス・ディスタングル・アテンションを紹介する。 提案手法は,グローバルな出力コヒーレンスを保ちながら,編集のゆがみと局所性を促進し,単一パスのインスタンスレベルの編集を可能にする。
  論文  参考訳（メタデータ） (2026-02-09T14:52:45Z)
• MDE-Edit: Masked Dual-Editing for Multi-Object Image Editing via Diffusion Models [10.798205956644317]
  我々は,MDE-Edit と呼ばれる複雑な多目的シーンにおいて,高精度な局所化画像操作を可能にする,トレーニング不要な推論ステージ最適化手法を提案する。 大規模な実験により、MDE-Editは、編集精度と視覚的品質において最先端の手法よりも優れており、複雑な多目的画像操作タスクに対する堅牢なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-05-08T10:01:14Z)
• Addressing Text Embedding Leakage in Diffusion-based Image Editing [33.1686050396517]
  本稿では属性リークに対処するフレームワークであるAttribute-Leakage-free Editing (ALE)を紹介する。 ALEは、オブジェクト制限埋め込み(ORE)とテキスト埋め込みのアンタングル、空間的に正確に注意を向けるRGB-CAM(Regional-Guided Blending for Cross-Attention Masking)、非編集コンテンツを保存するためにバックグラウンドブレンディング(Backside Blending)を組み合わせる。
  論文  参考訳（メタデータ） (2024-12-06T02:10:07Z)
• DreamMix: Decoupling Object Attributes for Enhanced Editability in Customized Image Inpainting [56.77074226109392]
  本研究では,ユーザ指定領域に対象オブジェクトを挿入できる拡散型フレームワークDreamMixを提案する。 また,DreamMixは,多様なアプリケーション間での属性保存と属性編集のバランスが良好であることを示す。
  論文  参考訳（メタデータ） (2024-11-26T08:44:47Z)
• DiffUHaul: A Training-Free Method for Object Dragging in Images [78.93531472479202]
  DiffUHaulと呼ばれるオブジェクトドラッグタスクのためのトレーニング不要な手法を提案する。 まず、各認知段階に注意マスキングを適用して、各生成を異なるオブジェクトにまたがってよりゆがみやすくする。 初期のデノナイジングステップでは、ソース画像とターゲット画像の注意特徴を補間して、新しいレイアウトを元の外観とスムーズに融合させる。
  論文  参考訳（メタデータ） (2024-06-03T17:59:53Z)
• EVA: Zero-shot Accurate Attributes and Multi-Object Video Editing [62.15822650722473]
  現在のビデオ編集方法は、元のレイアウトを維持しながら、前景と背景を同時に編集することができない。 複雑な動きを持つ人間中心のビデオに合わせた、textbfzero-shot と textbfmulti-attribute ビデオ編集フレームワークである EVA を紹介する。 EVAは、複数のオブジェクトの編集シナリオに容易に一般化でき、正確なIDマッピングを実現する。
  論文  参考訳（メタデータ） (2024-03-24T12:04:06Z)

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。