論文の概要: HomeDiffusion: Zero-Shot Object Customization with Multi-View Representation Learning for Indoor Scenes
- arxiv url: http://arxiv.org/abs/2606.29828v1
- Date: Mon, 29 Jun 2026 06:16:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.079239
- Title: HomeDiffusion: Zero-Shot Object Customization with Multi-View Representation Learning for Indoor Scenes
- Title（参考訳）: ホームディフュージョン:屋内シーンのためのマルチビュー表現学習によるゼロショットオブジェクトのカスタマイズ
- Abstract要約: 我々は,同じ参照オブジェクトの多視点画像を利用して,視覚的に調和したオブジェクトポーズを生成するHomeDiffusionを紹介した。
拡散モデルに基づいて、同じ参照オブジェクトの多視点画像を利用して視覚的に調和したオブジェクトポーズを正確に生成できるHomeDiffusionを導入する。
- 参考スコア（独自算出の注目度）: 6.582546260109086
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently, zero-shot object customization generation methods have rapidly developed and shown tremendous potential for applications. For instance, in the e-commerce domain, consumers can observe the visual effect of furniture placed within their personal living spaces or clothes worn on their own bodies. Many existing approaches perform object customization generation based on diffusion models and extracted reference object features. However, the generated object significantly diverges from the original reference object in details such as patterns and curves. Particularly for asymmetrical reference objects, the absence of comprehensive multi-viewpoint information prevents the generation of object poses that harmonize with the background scene. To address these shortcomings, we have constructed a novel dataset comprising multi-angle images of furniture and indoor scenes. Based on diffusion models, we introduce HomeDiffusion, which can leverage multi-viewpoint images of the same reference object to accurately generate visually harmonious object poses within specified areas of the background scene. During the diffusion process, we further extract high-fidelity details of the reference object and perform cross-attention with the noise latents in the latent space, thereby ensuring the preservation of details in the customized object generation. Extensive qualitative and quantitative experiments demonstrate that our method achieves superior performance over other existing zero-shot as well as few-shot object customization approaches.
- Abstract（参考訳）: 近年,ゼロショットオブジェクトのカスタマイズ生成手法が急速に発展し,アプリケーションにとって大きな可能性を秘めている。
例えば、eコマース領域では、消費者は自分の生活空間に置かれた家具や、自分の体に着ている衣服の視覚効果を観察することができる。
既存の多くのアプローチは、拡散モデルと抽出された参照オブジェクト特徴に基づいてオブジェクトのカスタマイズを生成する。
しかし、生成されたオブジェクトは、パターンや曲線のような細部において、元の参照オブジェクトから著しく分離する。
特に非対称参照オブジェクトでは、包括的な多視点情報がないため、背景のシーンと調和するオブジェクトのポーズの発生が防止される。
これらの欠点に対処するため,家具や屋内シーンの多角的画像からなる新しいデータセットを構築した。
拡散モデルに基づいて、同じ参照オブジェクトの多視点画像を利用して、背景シーンの特定領域内で視覚的に調和したポーズを正確に生成できるHomeDiffusionを導入する。
拡散過程において、参照対象の高忠実度の詳細をさらに抽出し、潜時空間におけるノイズ潜時との交差注意を行い、カスタマイズされたオブジェクト生成における詳細の保存を確実にする。
広汎な定性的および定量的実験により,本手法は既存のゼロショットや少数ショットオブジェクトのカスタマイズ手法よりも優れた性能を発揮することが示された。
関連論文リスト
- Towards Source-Aware Object Swapping with Initial Noise Perturbation [10.974803680416876]
SourceSwapは、オブジェクト間のアライメントを学習する、自己管理的でソース対応のフレームワークである。
我々は、フルソースコンディショニングとノイズフリー参照エンコーダを備えたデュアルU-Netを訓練し、直接オブジェクト間アライメントを可能にする。
実験により、SourceSwapは優れた忠実さ、より強いシーン保存、より自然な調和を実現していることが示された。
論文 参考訳（メタデータ） (2026-02-27T05:54:29Z) - FROMAT: Multiview Material Appearance Transfer via Few-Shot Self-Attention Adaptation [49.74776147964999]
マルチビュー拡散モデルにおける外観伝達のための軽量適応手法を提案する。
提案手法では,入力画像からオブジェクトの同一性と,参照画像に描画された外見の手がかりとを組み合わせ,マルチビュー一貫性のある出力を生成する。
論文 参考訳（メタデータ） (2025-12-10T13:06:40Z) - ObjectClear: Complete Object Removal via Object-Effect Attention [56.2893552300215]
我々は、オブジェクトとそれに関連する視覚的アーティファクトの両方の正確なマスクとともに、オブジェクト効果と不要なペア画像を提供するOBERという、オブジェクト・エフェクト除去のための新しいデータセットを紹介した。
本研究では,物体効果の注意機構を組み込んだ新しいフレームワーク ObjectClear を提案する。
実験では、ObjectClearが既存のメソッドよりも優れており、特に複雑なシナリオにおいて、オブジェクト・エフェクトの除去品質と背景の忠実さの改善を実現している。
論文 参考訳（メタデータ） (2025-05-28T17:51:17Z) - Salient Object-Aware Background Generation using Text-Guided Diffusion Models [4.747826159446815]
本稿では, 安定拡散と制御ネットアーキテクチャを用いて, 健全なオブジェクト出力処理にインペイント拡散モデルを適用するモデルを提案する。
提案手法は,複数のデータセットにまたがる標準的な視覚的メトリクスの劣化を伴わずに,オブジェクトの展開を平均3.6倍に削減する。
論文 参考訳（メタデータ） (2024-04-15T22:13:35Z) - Object-Driven One-Shot Fine-tuning of Text-to-Image Diffusion with
Prototypical Embedding [7.893308498886083]
提案手法は,オブジェクト駆動方式で一般化性と忠実性の課題に対処することを目的としている。
原型埋め込みは、拡散モデルを微調整する前に、オブジェクトの外観とそのクラスに基づいている。
我々の手法は、いくつかの既存の作業より優れています。
論文 参考訳（メタデータ） (2024-01-28T17:11:42Z) - AnyDoor: Zero-shot Object-level Image Customization [63.44307304097742]
ユーザが指定した場所の新しいシーンにターゲットオブジェクトをテレポートする機能を備えた拡散ベースのイメージジェネレータであるAnyDoorを紹介する。
我々のモデルは1回のみ訓練され、推論段階では多様なオブジェクトとシーンの組み合わせに懸命に一般化される。
論文 参考訳（メタデータ） (2023-07-18T17:59:02Z) - Spotlight Attention: Robust Object-Centric Learning With a Spatial
Locality Prior [88.9319150230121]
オブジェクト中心のビジョンは、シーン内のオブジェクトの明示的な表現を構築することを目的としています。
我々は、空間的局所性を最先端のオブジェクト中心視覚モデルに組み込む。
合成および実世界の両方のデータセットにおけるセグメンテーションオブジェクトの大幅な改善が得られた。
論文 参考訳（メタデータ） (2023-05-31T04:35:50Z) - Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。
この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。
我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文 参考訳（メタデータ） (2021-05-07T03:49:26Z) - Object-Centric Image Generation from Layouts [93.10217725729468]
複数のオブジェクトを持つ複雑なシーンを生成するレイアウト・ツー・イメージ生成法を開発した。
本手法は,シーン内のオブジェクト間の空間的関係の表現を学習し,レイアウトの忠実度の向上につながる。
本稿では,Fr'echet Inception Distanceのオブジェクト中心適応であるSceneFIDを紹介する。
論文 参考訳（メタデータ） (2020-03-16T21:40:09Z)
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。