論文の概要: EPEdit: Redefining Image Editing with Generative AI and User-Centric Design

• arxiv url: http://arxiv.org/abs/2606.24057v1
• Date: Tue, 23 Jun 2026 02:05:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.729553
• Title: EPEdit: Redefining Image Editing with Generative AI and User-Centric Design
• Title（参考訳）: EPEdit: 生成AIとユーザ中心設計による画像編集の再定義
• Authors: Hoang-Phuc Nguyen, Dinh-Khoi Vo, Trong-Le Do, Hai-Dang Nguyen, Tan-Cong Nguyen, Vinh-Tiep Nguyen, Tam V. Nguyen, Khanh-Duy Le, Minh-Triet Tran, Trung-Nghia Le,
• Abstract要約: Efficient Photo Editor (EPEdit)は、堅牢なバックエンドフレームワークとユーザフレンドリーなフロントエンドインターフェースを統合するアプリケーションである。 EPEditは、画像生成、オブジェクト置換、オブジェクトの削除、バックグラウンド修正、オブジェクトのポーズやパースペクティブの変更、テーマ的なコレクションデザインなど、幅広いクリエイティブなイメージ編集タスクをサポートする。 EPEditの中核は、安定拡散モデルに基づくゼロショット画像編集アルゴリズムを活用し、追加の微調整の必要性を排除している。
• 参考スコア（独自算出の注目度）: 20.193946969214878
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The demand for image manipulation has seen a significant increase recently. Traditional tools like Photoshop and Capture One, while powerful, require considerable expertise to use effectively. Generative AI has introduced alternative platforms, such as Luminar Neo, Pixlr X, and Canva. However, many of these solutions, including resource-heavy models like Stable Diffusion, often require substantial retraining and fine-tuning, leading to high costs for users. To address these challenges, we introduce Efficient Photo Editor (EPEdit), an application that integrates a robust backend framework with a user-friendly front-end interface. EPEdit supports a wide range of creative image editing tasks, including image generation, object replacement, object removal, background modification, changes in object pose or perspective, region-specific editing, and thematic collection design, all guided by masks and prompts. Users can interact with the system through simple text commands or by marking areas for precise adjustments, making it accessible even to those without technical expertise. At its core, EPEdit leverages zero-shot image editing algorithms based on Stable Diffusion model, removing the need for additional fine-tuning. This approach enables efficient image manipulation and thematic collection creation. User evaluations for tasks of image editing, thematic design, and overall system performance demonstrate that EPEdit outperforms existing solutions, offering a user-friendly, cost-effective solution for comprehensive image editing.
• Abstract（参考訳）: 画像操作の需要は最近大幅に増加した。 PhotoshopやCapture Oneのような従来のツールは強力だが、有効利用には相当な専門知識が必要だ。 Generative AIは、Luminar Neo、Pixlr X、Canvaなどの代替プラットフォームを導入した。 しかし、Stable Diffusionのようなリソースの重いモデルを含むこれらのソリューションの多くは、かなりのリトレーニングと微調整を必要とすることが多く、ユーザにとって高いコストをもたらす。 これらの課題に対処するために,堅牢なバックエンドフレームワークとユーザフレンドリーなフロントエンドインターフェースを統合するアプリケーションであるEPEdit(Efficient Photo Editor)を紹介した。 EPEditは、画像生成、オブジェクト置換、オブジェクトの削除、背景修正、オブジェクトのポーズや視点の変更、地域固有の編集、テーマコレクションデザインなど、幅広いクリエイティブな画像編集タスクをサポートしており、すべてマスクとプロンプトでガイドされている。 ユーザーは単純なテキストコマンドでシステムと対話したり、正確な調整のために領域をマークすることで、技術的な専門知識のない人でもアクセスできる。 EPEditの中核は、安定拡散モデルに基づくゼロショット画像編集アルゴリズムを活用し、追加の微調整の必要性を排除している。 このアプローチにより、効率的な画像操作とテーマコレクション作成が可能となる。 画像編集、テーマデザイン、システムパフォーマンスのタスクに対するユーザ評価は、EPEditが既存のソリューションよりも優れており、包括的な画像編集のためのユーザフレンドリで費用対効果の高いソリューションを提供することを示している。

関連論文リスト

• Image Editing As Programs with Diffusion Models [69.05164729625052]
  本稿では,Diffusion Transformer (DiT) アーキテクチャ上に構築された統合画像編集フレームワークである IEAP (Image Editing As Programs) を紹介する。 IEAPは、複雑な編集命令を原子操作のシーケンスに分解して、リダミストレンズによる命令編集にアプローチする。 我々のフレームワークは、特に複雑なマルチステップ命令に対して、より優れた精度とセマンティック忠実度を提供する。
  論文  参考訳（メタデータ） (2025-06-04T16:57:24Z)
• SPICE: A Synergistic, Precise, Iterative, and Customizable Image Editing Workflow [13.815228931600236]
  任意の解像度とアスペクト比を受け入れ、ユーザの要求を正確に追従し、100以上の編集ステップで画像品質を一貫して改善する、トレーニング不要のワークフローであるSPICEを紹介する。 挑戦的なリアルなイメージ編集データセットでは、SPICEは最先端のベースラインを定量的に上回り、人間のアノテータに一貫して好まれる。
  論文  参考訳（メタデータ） (2025-04-13T19:13:04Z)
• Lost in Edits? A $λ$-Compass for AIGC Provenance [119.95562081325552]
  本稿では,実測出力と操作された出力を頑健に識別し,識別する新しい潜在空間属性法を提案する。 LambdaTracerは、InstructPix2Pixのようなテキスト誘導編集ツールによって自動化されるか、Adobe Photoshopのような編集ソフトウェアで手動で実行されるか、様々な反復編集プロセスで有効である。
  論文  参考訳（メタデータ） (2025-02-05T06:24:25Z)
• PIXELS: Progressive Image Xemplar-based Editing with Latent Surgery [10.594261300488546]
  PIXELSと呼ばれる,市販拡散モデルを用いたプログレッシブな例駆動編集のための新しいフレームワークを提案する。 PIXELSは編集のきめ細かい制御を提供し、ピクセルや領域レベルでの調整を可能にする。 我々は,PIXELSが高品質な編集を効率よく行うことを実証し,定量化と人的評価に顕著な改善をもたらすことを示した。
  論文  参考訳（メタデータ） (2025-01-16T20:26:30Z)
• BrushEdit: All-In-One Image Inpainting and Editing [76.93556996538398]
  BrushEditは、インペイントベースの命令誘導画像編集パラダイムである。 本研究では,MLLMとデュアルブランチ画像の描画モデルを統合することで,自由形式の命令編集を可能にするシステムを提案する。 本フレームワークは,MLLMとインパインティングモデルを効果的に組み合わせ,7つの指標で優れた性能を実現する。
  論文  参考訳（メタデータ） (2024-12-13T17:58:06Z)
• Streamlining Image Editing with Layered Diffusion Brushes [10.327291767693604]
  Layered Diffusion Brushes (LDB)は、インタラクティブなレイヤベースの編集を可能にする、トレーニング不要のフレームワークである。 LDBは、各「層」を生成過程を導くパラメータの自己完結した集合として定義している。 結果、LDBの速度は、画像品質、背景保存、編集の忠実さに匹敵するか改善された。
  論文  参考訳（メタデータ） (2024-05-01T04:30:03Z)
• Optimisation-Based Multi-Modal Semantic Image Editing [58.496064583110694]
  本稿では,複数の編集命令型に対応するために,推論時編集の最適化を提案する。 各損失関数の影響を調整することで、ユーザの好みに合わせてフレキシブルな編集ソリューションを構築することができる。 本手法は,テキスト,ポーズ,スクリブルといった編集条件を用いて評価し,複雑な編集を行う能力を強調した。
  論文  参考訳（メタデータ） (2023-11-28T15:31:11Z)
• Emu Edit: Precise Image Editing via Recognition and Generation Tasks [62.95717180730946]
  本稿では,マルチタスク画像編集モデルであるEmu Editについて述べる。 我々は、地域ベースの編集、自由形式の編集、コンピュータビジョンタスクなど、前例のない範囲でマルチタスクに訓練する。 Emu Editは画像インペイント、超解像、編集タスクの構成といった新しいタスクに、ラベル付き例で一般化できることを示す。
  論文  参考訳（メタデータ） (2023-11-16T18:55:58Z)
• LEDITS: Real Image Editing with DDPM Inversion and Semantic Guidance [0.0]
  LEDITSはリアルタイム編集のための軽量なアプローチであり、Edit Friendly DDPMインバージョン技術とSemantic Guidanceを統合している。 このアプローチは、微妙で広範囲な編集や構成やスタイルの変更といった多彩な編集を実現すると同時に、アーキテクチャの最適化や拡張も必要としない。
  論文  参考訳（メタデータ） (2023-07-02T09:11:09Z)

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。