論文の概要: FreeStyle: Free Control of Style-Content Dual-Reference Generation from Community LoRA Mining
- arxiv url: http://arxiv.org/abs/2606.20506v1
- Date: Thu, 18 Jun 2026 17:24:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-19 18:23:40.017449
- Title: FreeStyle: Free Control of Style-Content Dual-Reference Generation from Community LoRA Mining
- Title（参考訳）: FreeStyle: コミュニティロラマイニングによるスタイルコンテントデュアル参照生成の自由制御
- Authors: Jinghong Lan, Wei Cheng, Yunuo Chen, Ziqi Ye, Peng Xing, Yixiao Fang, Rui Wang, Yufeng Yang, Xuanyang Zhang, Xianfang Zeng, Difan Zou, Gang Yu, Chi Zhang,
- Abstract要約: スタイルコンテンツ二重参照生成は、異なるスタイル参照のスタイルを採用しながら、コンテンツ参照の構造とセマンティクスを保存するイメージを合成することを目的としている。
主なボトルネックは、クリーンなコンテンツスタイルの分離と広いロングテールスタイルのカバレッジを備えた大規模トリプルデータがないことだ。
コミュニティLoRAマイニングに基づくスケーラブルなデュアル参照生成フレームワークであるFreeStyleを提案する。
- 参考スコア（独自算出の注目度）: 42.06209840326987
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Style-content dual-reference generation aims to synthesize an image that preserves the structure and semantics of a content reference while adopting the style of a separate style reference.Despite recent progress, this setting remains challenging because models must balance content fidelity, style alignment, and instruction following avoiding semantic leakage from the style reference.A key bottleneck is the lack of large-scale triplet data with clean content-style separation and broad long-tail style coverage.In this work, we propose FreeStyle, a scalable dual-reference generation framework based on community LoRA mining.We treat community LoRAs as compositional anchors for style and content, and design a rigorous generation and filtering pipeline to construct large-scale Style-Reference and Content-Reference triplets across multiple base models.To address content leakage, we adopt a two-stage curriculum with stage-specific disentanglement mechanisms: an attention-level enrichment constraint that suppresses style-reference leakage in the style-transfer stage, and a frequency-aware RoPE modulation strategy that targets positional-correspondence-based leakage in the harder dual-reference stage.We also introduce a benchmark covering both style-reference and dual-reference generation, with evaluations on style similarity, content preservation, aesthetics, instruction following, and leakage rejection. The benchmark incorporates a style-invariant Content Alignment Score (CAS) and introduces a calibrated VLM-based Rejection Score for evaluating generation reliability and leakage suppression.Extensive experiments show that our model achieves a strong balance among style alignment, content preservation, and leakage suppression.
- Abstract（参考訳）: スタイルコンテントの二重参照生成は、コンテンツ参照の構造とセマンティクスを保存しつつ、コンテンツ参照の構造とセマンティクスを保持するイメージを合成することを目的としているが、近年の進歩にもかかわらず、この設定は、スタイル参照からのセマンティクスリークを回避するために、コンテンツフィリティ、スタイルアライメント、インストラクションのバランスをとる必要があるため、依然として困難である。主なボトルネックは、クリーンなコンテンツスタイルの分離と広範囲なロングテールスタイルのカバレッジを備えた大規模トリプルデータがないことである。この記事では、コミュニティのLoRAマイニングに基づくスケーラブルなデュアル参照生成フレームワークであるFreeStyleを提案する。我々は、コミュニティLoRAをスタイルとコンテンツの合成アンカーとして扱い、大規模スタイル参照とコンテンツ参照トリップパイプラインを設計し、複数のベースモデルにまたがる厳密な生成とフィルタリングのパイプラインを設計する。
このベンチマークは、スタイル不変のコンテンツアライメントスコア(CAS)を導入し、生成信頼性とリーク抑制を評価するための校正VLMベースのリジェクションスコアを導入する。
関連論文リスト
- StyleVAR: Controllable Image Style Transfer via Visual Autoregressive Modeling [0.0]
学習された潜在空間における条件付き離散シーケンスモデルとしてスタイル転送を定式化する。
我々は、進化する対象表現が自身の歴史に沿うような混在したクロスアテンション機構を導入する。
Style VARは、Style Loss、Content Loss、LPIPS、SSIM、DreamSim、CLIPの類似性において一貫してAdaINベースラインを上回っている。
論文 参考訳（メタデータ） (2026-04-22T19:52:35Z) - UniCSG: Unified High-Fidelity Content-Constrained Style-Driven Generation via Staged Semantic and Frequency Disentanglement [13.265643008768825]
DiTベースの拡散モデルは、しばしばコンテンツスタイルの絡み合いに悩まされ、参照コンテンツリークと不安定な生成を引き起こす。
テキスト誘導と参照誘導の両方でコンテント制約のあるスタイル駆動型生成のための統合フレームワークUniCSGを提案する。
論文 参考訳（メタデータ） (2026-04-20T05:59:20Z) - Structure-Level Disentangled Diffusion for Few-Shot Chinese Font Generation [18.601789249339014]
中国のフォント生成は、少数の参照画像のみを使用して、ターゲットスタイルで新しい文字を合成することを目的としている。
既存のアプローチは機能レベルのアンタングルのみを達成するため、ジェネレータはこれらの機能を再アンタングルすることができる。
本研究では,2つのチャンネルからコンテンツとスタイル情報を受信する構造レベル分散拡散モデルを提案する。
論文 参考訳（メタデータ） (2026-02-21T15:41:06Z) - USO: Unified Style and Subject-Driven Generation via Disentangled and Reward Learning [17.75580298339048]
We present U.S.O, a Unified Style-Subject Optimized customization model。
まず、コンテンツ画像、スタイル画像、およびそれに対応するスタイル化されたコンテンツ画像からなる大規模トリプルトデータセットを構築する。
第2に、スタイルの特徴を同時に調整し、スタイルからコンテンツを切り離すアンタングル学習方式を導入する。
第3に、モデルの性能をさらに向上させるために、SRLと表記されるスタイルの報酬学習パラダイムを組み込んだ。
論文 参考訳（メタデータ） (2025-08-26T12:10:24Z) - Only-Style: Stylistic Consistency in Image Generation without Content Leakage [21.68241134664501]
Only-Styleは、スタイリスティックな一貫性を維持しつつ、セマンティックなコヒーレントな方法でコンテンツの漏洩を軽減するために設計された方法である。
Only-Styleは、推論中にコンテンツのリークをローカライズすることで、スタイルアライメントプロセスを制御するパラメータの適応的なチューニングを可能にする。
提案手法は,多種多様なインスタンスにまたがる広範囲な評価により,最先端の手法よりも大幅に改善されたことを示す。
論文 参考訳（メタデータ） (2025-06-11T16:33:09Z) - ZePo: Zero-Shot Portrait Stylization with Faster Sampling [61.14140480095604]
本稿では,4つのサンプリングステップでコンテンツとスタイルの融合を実現する拡散モデルに基づく,インバージョンフリーなポートレートスタイリングフレームワークを提案する。
本稿では,一貫性機能における冗長な特徴をマージする機能統合戦略を提案し,注意制御の計算負荷を低減させる。
論文 参考訳（メタデータ） (2024-08-10T08:53:41Z) - ArtWeaver: Advanced Dynamic Style Integration via Diffusion Model [73.95608242322949]
Stylized Text-to-Image Generation (STIG)は、テキストプロンプトとスタイル参照画像から画像を生成することを目的としている。
我々は、事前訓練された安定拡散を利用して、誤解釈スタイルや一貫性のない意味論といった課題に対処する新しいフレームワーク、ArtWeaverを提案する。
論文 参考訳（メタデータ） (2024-05-24T07:19:40Z) - StyleAdapter: A Unified Stylized Image Generation Model [97.24936247688824]
StyleAdapterは、様々なスタイリング画像を生成することができる統一型スタイリング画像生成モデルである。
T2I-adapter や ControlNet のような既存の制御可能な合成手法と統合することができる。
論文 参考訳（メタデータ） (2023-09-04T19:16:46Z) - StyleMeUp: Towards Style-Agnostic Sketch-Based Image Retrieval [119.03470556503942]
クロスモーダルマッチング問題は通常、写真とスケッチのモダリティ間で共有されるセマンティックコンテンツを保存する共同埋め込み空間を学習することによって解決される。
効果的なモデルには、このスタイルの多様性を明確に説明する必要がある。
我々のモデルは、モデム間で共有されるセマンティックコンテンツだけでなく、目に見えないユーザースタイルにも適応できるので、モデルは真に不可知的です。
論文 参考訳（メタデータ） (2021-03-29T15:44:19Z)
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。