論文の概要: OSOR: One-Step Diffusion Inpainting for Effect-Aware Object Removal
- arxiv url: http://arxiv.org/abs/2606.28094v1
- Date: Fri, 26 Jun 2026 13:53:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.506966
- Title: OSOR: One-Step Diffusion Inpainting for Effect-Aware Object Removal
- Title（参考訳）: OSOR:エフェクトを意識したオブジェクト除去のためのワンステップ拡散インペインティング
- Abstract要約: 我々は,効率,エフェクト・アウェア,マスク・ロバスト・オブジェクト除去を同時に実現するOSOR(One-Step Object removal)を提案する。
OSORは,(1)単一段階拡散訓練を安定的に行うための,正確な境界監督のための占有誘導判別器,(2)事前学習した拡散モデルからの知識を活用して,最小オーバーヘッドで適切な除去領域を予測するアルファヘッド,(3)ノイズの多い命令ベースの三重項をフィルタリングして,大規模に効果認識監視を行うセマンティックアンコレッド検証パイプライン(SAVP)を紹介する。
- 参考スコア（独自算出の注目度）: 12.847574328137341
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Real-world object removal is challenging due to two key difficulties: the target object's non-local effects, such as shadows and reflections, which are difficult to model, and the fact that user-provided masks are often inaccurate or incomplete. With billions of parameters and tens of denoising steps, diffusion-based models achieve strong removal performance at the expense of substantial computational cost, limiting their use in interactive applications and on edge devices. To address these challenges, we present OSOR (One-Step Object Removal), which simultaneously achieves efficient, effect-aware, and mask-robust object removal. Concretely, OSOR introduces: (1) an occupancy-guided discriminator for precise boundary supervision, enabling stable single-step diffusion training; (2) an alpha head that leverages knowledge from pretrained diffusion models to predict appropriate removal regions with minimal overhead, thereby handling imperfect masks; and (3) a semantic-anchored verification pipeline (SAVP) that filters noisy instruction-based triplets to produce effect-aware supervision at scale. Using SAVP, we curate CORNE, which contains 280K verified removal pairs, and further annotate AnimeEraseBench and TextEraseBench to evaluate performance on more complex removal tasks. Experiments show that OSOR surpasses strong multi-step diffusion baselines in perceptual quality while achieving $4\times$ to $30\times$ faster inference.
- Abstract（参考訳）: 現実の物体の除去は、対象物体の非局所的な効果(影や反射など、モデル化が難しい)と、ユーザが提供するマスクが不正確または不完全であるという事実の2つの主要な難しさのために困難である。
数十のパラメータと数十のデノイングステップにより、拡散ベースのモデルは、相当な計算コストを犠牲にして強力な除去性能を達成し、インタラクティブなアプリケーションやエッジデバイスでの使用を制限する。
これらの課題に対処するため,OSOR(One-Step Object removal)を提案する。
具体的には,(1)単一段階拡散訓練を安定的に行うことのできる,正確な境界監督のための占有誘導判別器,(2)事前学習した拡散モデルからの知識を生かしたアルファヘッドを用いて,最小オーバーヘッドで適切な除去領域を予測し,不完全なマスクを処理し,(3)ノイズの多い命令ベースの三重項を大規模にフィルタリングし,その効果を意識した監視を行うセマンティックアンコレート検証パイプライン(SAVP)を紹介する。
SAVPを用いて、280Kの検証済み削除ペアを含むCORNEをキュレートし、さらにAnimeEraseBenchとTextEraseBenchをアノテートして、より複雑な削除タスクのパフォーマンスを評価する。
実験の結果、OSORは知覚的品質において強力なマルチステップ拡散ベースラインを超え、より高速な推論では4\times$から30\times$に到達している。
関連論文リスト
- TurboClear: One-Step Object-Effect Removal via Region-Calibrated Distribution Matching and Fusion [40.189383154480154]
SDXLに基づくオブジェクト効果除去モデルであるTurboClearを提案する。
トレーニング中,教師モデルの非対称な編集保存行動を保存するため,地域対応蒸留のための地域校正型分布マッチング(RDM)を設計した。
実験により、TurboClearは、競合する視覚的品質を維持しながら、推論効率を大幅に改善することが示された。
論文 参考訳（メタデータ） (2026-08-02T14:56:13Z) - Proactive Rejection and Grounded Execution: A Dual-Stage Intent Analysis Paradigm for Safe and Efficient AIoT Smart Homes [37.92248202525651]
本稿では,低レベルの物理的実行から高レベルのユーザ意図理解を分離するためのDual-Stage Intent-Aware (DS-IA)フレームワークを提案する。
試験の結果、DS-IAは58.56%(ベースラインを28%以上上回る)のエクサクトマッチ(EM)を達成し、無効命令の拒否率を87.04%に改善した。
論文 参考訳（メタデータ） (2026-03-17T07:38:39Z) - From Ideal to Real: Stable Video Object Removal under Imperfect Conditions [20.340320193953865]
シャドウフリー,フリックフリー,マスクディフェクト耐性の3つの鍵設計による除去を実現する頑健なフレームワークを提案する。
SVORは、複数のデータセットと劣化したマスクベンチマークにまたがって、最先端の新たな結果を取得する。
論文 参考訳（メタデータ） (2026-03-10T07:07:27Z) - ${D}^{3}${ETOR}: ${D}$ebate-Enhanced Pseudo Labeling and Frequency-Aware Progressive ${D}$ebiasing for Weakly-Supervised Camouflaged Object ${D}$etection with Scribble Annotations [35.83125554386894]
D3$ETORは、Dbate-Enhanced Pseudo Labelingと Frequency-Aware Progressive Debiasingで構成される2段階のWSCODフレームワークである。
適応的なエントロピー駆動点サンプリング法と多エージェントの議論機構を導入し,CODのためのSAMの能力を高める。
第2段階では、多レベル周波数認識機能を融合したFADeNetを設計し、グローバルな意味理解と局所的な詳細モデリングのバランスをとる。
論文 参考訳（メタデータ） (2025-12-23T11:16:16Z) - Repulsor: Accelerating Generative Modeling with a Contrastive Memory Bank [65.00301565190824]
mnameは、外部エンコーダを必要としない、プラグアンドプレイのトレーニングフレームワークである。
mnameは400kのステップでtextbf2.40 の最先端 FID を達成し、同等のメソッドを著しく上回っている。
論文 参考訳（メタデータ） (2025-12-09T14:39:26Z) - Adaptive Residual-Update Steering for Low-Overhead Hallucination Mitigation in Large Vision Language Models [13.32858759983739]
LVLM(Large Vision-Language Models)は、しばしばオブジェクト幻覚に悩まされ、視覚入力と矛盾するテキストを生成する。
この問題を緩和するための既存の推論時間の介入は、難しいトレードオフをもたらします。
本稿では,LVLMを視覚的に生成するフレームワークであるResidual-Update Directed Decoding Regulation(RUDDER)を提案する。
論文 参考訳（メタデータ） (2025-11-13T13:29:38Z) - DeLeaker: Dynamic Inference-Time Reweighting For Semantic Leakage Mitigation in Text-to-Image Models [55.30555646945055]
テキスト・ツー・イメージ(T2I)モデルはセマンティック・リークに対して脆弱である。
DeLeakerは、モデルのアテンションマップに直接介入することで、漏洩を緩和する軽量なアプローチである。
SLIMはセマンティックリークに特化した最初のデータセットである。
論文 参考訳（メタデータ） (2025-10-16T17:39:21Z) - Backdoor Cleaning without External Guidance in MLLM Fine-tuning [76.82121084745785]
Believe Your Eyes (BYE)は、アテンションエントロピーパターンを自己教師信号として活用して、バックドアサンプルを特定してフィルタリングするデータフィルタリングフレームワークである。
クリーンタスクのパフォーマンスを維持しながら、ほぼゼロの攻撃成功率を達成する。
論文 参考訳（メタデータ） (2025-05-22T17:11:58Z) - R-Sparse: Rank-Aware Activation Sparsity for Efficient LLM Inference [77.47238561728459]
R-スパース(R-Sparse)は、高度なLCMにおいて高い疎度を達成できる訓練不要なアクティベーション・スパシティ・アプローチである。
10種類のタスクにわたるLlama-2/3およびMistralモデルの実験は、R-Sparseが50%のモデルレベルの間隔で同等のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2025-04-28T03:30:32Z) - Efficient Diffusion as Low Light Enhancer [63.789138528062225]
RATR(Reflectance-Aware Trajectory Refinement)は、イメージの反射成分を用いて教師の軌跡を洗練するための、シンプルで効果的なモジュールである。
textbfReDDiT (textbfDistilled textbfTrajectory) は低照度画像強調(LLIE)に適した効率的で柔軟な蒸留フレームワークである。
論文 参考訳（メタデータ） (2024-10-16T08:07:18Z) - One-step Noisy Label Mitigation [86.57572253460125]
ノイズラベルのトレーニング過程に対する有害な影響の軽減がますます重要になっている。
モデルに依存しないノイズラベル緩和パラダイムである1ステップアンチノイズ(OSA)を提案する。
我々はOSAの優位性を実証的に実証し、トレーニングの堅牢性の向上、タスク転送性の向上、デプロイメントの容易性、計算コストの削減を強調した。
論文 参考訳（メタデータ） (2024-10-02T18:42:56Z)
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。