論文の概要: In-context Region-based Drag: Drag Any Region to Any Shape

• arxiv url: http://arxiv.org/abs/2606.25907v1
• Date: Wed, 24 Jun 2026 14:55:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.362041
• Title: In-context Region-based Drag: Drag Any Region to Any Shape
• Title（参考訳）: コンテキスト内リージョンベースのドラッグ:任意のリージョンを任意の形にドラッグする
• Abstract要約: 本稿では,領域ベースのドラッグに着目し,新たにICRDrag(In-Context Region-based Drag)手法を提案する。 コンテキスト内学習フレームワークでは、ICRDragはソースイメージ、ソース領域マスク、ターゲット領域マスクを消費し、ターゲットのドラッグされたイメージを生成する。 実験の結果,ICRDragは測定値とユーザスタディの両方において,既存の手法を著しく上回っていることがわかった。
• 参考スコア（独自算出の注目度）: 58.32054552329584
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion models have shown promise in drag-style editing. Previous works mainly focus on point-based drag, which is inherently ambiguous. This paper focuses on region-based drag and introduces a novel In-Context Region-based Drag (ICRDrag) method. Under the in-context learning framework, ICRDrag consumes a source image, a source region mask, and a target region mask, producing the target dragged image. Built upon the basic in-context learning model, we introduce two novel attention regularization: 1) image-mask attention consistency to ensure that a target region attends to similar source regions for image and mask modalities; 2) source-target attention correspondence to ensure the mutual correspondence between source and target regions. To facilitate region-based drag, we also construct Paired Region Dataset (PRD), a large-scale dataset with paired masks and images. Extensive experiments show that ICRDrag significantly outperforms existing methods in both quantitative metrics and user studies, achieving superior editing accuracy and visual fidelity. The dataset, code, and model are available at https://github.com/bcmi/ICRDrag-Region-Drag-Editing.
• Abstract（参考訳）: 拡散モデルはドラッグスタイルの編集において有望である。 これまでの作業は主にポイントベースのドラッグに重点を置いていたが、これは本質的に曖昧である。 本稿では,領域ベースのドラッグに着目し,新たにICRDrag(In-Context Region-based Drag)手法を提案する。 コンテキスト内学習フレームワークでは、ICRDragはソースイメージ、ソース領域マスク、ターゲット領域マスクを消費し、ターゲットのドラッグされたイメージを生成する。 基本的な文脈内学習モデルに基づいて,2つの新しい注意点正則化を導入する。 1) 目標領域が画像及びマスクのモダリティに類似したソース領域に参加することを保証するために、画像マスクの注意の整合性。 2)ソースとターゲット領域の相互対応を確保するため、ソースとターゲットの注意対応。 Paired Region Dataset(PRD)は,2つのマスクとイメージを組み合わせた大規模データセットである。 ICRDragは、定量的な測定値とユーザスタディの両方において既存の手法よりも優れており、より優れた編集精度と視覚的忠実性を実現している。 データセット、コード、モデルはhttps://github.com/bcmi/ICRDrag-Region-Drag-Editingで公開されている。

関連論文リスト

• Can Image Splicing and Copy-Move Forgery Be Detected by the Same Model? Forensim: An Attention-Based State-Space Approach [8.024142807011378]
  Forensimは画像偽造検出のための注目ベースの状態空間フレームワークである。 操作された(ターゲット)領域とソース領域の両方を共同でローカライズする。 Forensimは標準ベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-10T18:46:04Z)
• ContextDrag: Precise Drag-Based Image Editing via Context-Preserving Token Injection and Position-Consistent Attention [81.12932992203885]
  ドラッグベースの編集のための新しいパラダイムであるContextDragを紹介します。 参照イメージからVAEエンコードされた機能を組み込むことで、ContextDragはリッチなコンテキストキューを活用し、きめ細かい詳細を保存することができる。
  論文  参考訳（メタデータ） (2025-12-09T10:51:45Z)
• Detect an Object At Once without Fine-tuning [24.580732053747568]
  1)シーンイメージと所定のオブジェクトイメージパッチ(es)を連結して、SDM内のハイライト領域が可能な場所を示すようにした類似度密度マップ(SDM)を生成すること、(2)リージョンアライメントネットワーク(RAN)を介してシーン内のオブジェクト占有領域を取得すること、の2つのフェーズで構成されている。 RANはディープ・シームズ・ネットワーク(DSN)のバックボーン上に構築されており、従来のDSNとは違って、SDMのハイライト領域で示される地上の真実と予測領域の場所と地域差を回帰することで、オブジェクトの正確な領域を得る。
  論文  参考訳（メタデータ） (2024-11-04T15:38:32Z)
• RegionDrag: Fast Region-Based Image Editing with Diffusion Models [14.65208340413507]
  RegionDragはコピー&ペーストドラッグ方式で、ユーザーは編集命令をハンドルとターゲット領域の形式で表現できる。 RegionDragは解像度512x512の画像を2秒未満で編集する。
  論文  参考訳（メタデータ） (2024-07-25T17:59:13Z)
• LIME: Localized Image Editing via Attention Regularization in Diffusion Models [69.33072075580483]
  本稿では拡散モデルにおける局所化画像編集のためのLIMEを提案する。 LIMEは、ユーザが指定した関心領域(RoI)や追加のテキスト入力を必要としない。 そこで本研究では,RoIにおける非関係なクロスアテンションスコアをデノナイジングステップ中にペナライズし,局所的な編集を確実にする新しいクロスアテンション正規化手法を提案する。
  論文  参考訳（メタデータ） (2023-12-14T18:59:59Z)
• DragDiffusion: Harnessing Diffusion Models for Interactive Point-based Image Editing [94.24479528298252]
  DragGANは、ピクセルレベルの精度で印象的な編集結果を実現する、インタラクティブなポイントベースの画像編集フレームワークである。 大規模な事前学習拡散モデルを利用することで、実画像と拡散画像の両方における対話的点ベース編集の適用性を大幅に向上する。 本稿では,対話的点ベース画像編集手法の性能を評価するため,DragBenchというベンチマークデータセットを提案する。
  論文  参考訳（メタデータ） (2023-06-26T06:04:09Z)
• Region-Aware Diffusion for Zero-shot Text-driven Image Editing [78.58917623854079]
  本稿では,エンティティレベルの画像編集のための領域認識拡散モデル(RDM)を提案する。 画像の忠実度と推論速度のバランスをとるために,集中拡散パイプラインを設計する。 その結果、RDMは、視覚的品質、全体的な調和、非編集領域のコンテンツ保存、テキストイメージのセマンティック一貫性において、従来のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2023-02-23T06:20:29Z)
• RPCL: A Framework for Improving Cross-Domain Detection with Auxiliary Tasks [74.10747285807315]
  Cross-Domain Detection (XDD) は、ソースドメインからラベル付きイメージを使用してオブジェクト検出器をトレーニングすることを目的としている。 本稿では,両領域で同じ補助的タスクを同時に学習することで,ドメインを協調させる補完的ソリューションを提供する。
  論文  参考訳（メタデータ） (2021-04-18T02:56:19Z)

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。