論文の概要: Histogram-constrained Image Generation
- arxiv url: http://arxiv.org/abs/2606.31683v1
- Date: Tue, 30 Jun 2026 13:58:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.243077
- Title: Histogram-constrained Image Generation
- Title（参考訳）: ヒストグラム制約画像生成
- Abstract要約: ヒストグラム制約画像生成(HIG)は制御粒度の中間に落ちる新しい制御機構である。
我々のフレームワークは、正確な精度で生成プロセス中に、ユーザ特定分布制約(例えば、カラーヒストグラムや潜在トークン分布)を強制する。
本研究は,既存の制御機構と完全に互換性のあるフレキシブルかつ解釈可能な制御方式である分散制御の可能性を裏付けるものである。
- 参考スコア（独自算出の注目度）: 2.8568424450797596
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Diffusion models have emerged as a dominant paradigm in generative modeling, enabling high-fidelity sampling from complex data distributions. Despite impressive capabilities, controlling diffusion models to produce outputs aligned with user intent remains an open challenge, especially when balancing global coherence with local precision. Existing control mechanisms vary in the granularity of their conditioning signals. For example, textual prompts guide generation globally through high-level semantics, while ControlNet-like approaches secure precise local structure via dense conditions. In this work, we introduce Histogram-constrained Image Generation (HIG), a novel control mechanism that falls into the middle ground of control granularity. Our framework enforces user-specified distributional constraints (e.g., color histograms or latent token distributions) during the generation process with exact precision. We model such control as an optimal transport (OT) problem and apply explicit guidance transformations during sampling, thereby driving the diffusion trajectory to align with the desired histogram. We demonstrate the versatility of HIG across diverse applications, including constrained generation via color/latent histograms and high-capacity information embedding through histogram-level encoding. Our findings underscore the promise of distributional control, a flexible and interpretable control scheme that is fully compatible with existing control mechanisms, diversifying the hybrid strategies for controllable image generation. Our project page is available at: https://maps-research.github.io/hig/.
- Abstract（参考訳）: 拡散モデルは生成モデリングにおいて支配的なパラダイムとして現れ、複雑なデータ分布から高忠実度サンプリングを可能にしている。
特にグローバルなコヒーレンスと局所的な精度のバランスをとる場合、ユーザ意図に沿ったアウトプットを生成するための拡散モデルを制御することはオープンな課題である。
既存の制御機構は条件信号の粒度によって異なる。
例えば、テキストは、高レベルのセマンティクスを通じて世界中にガイド生成を促すが、ControlNetのようなアプローチは、密集した条件によって正確な局所構造を確保する。
本研究では,Histogram-Constrained Image Generation (HIG)を紹介する。
本フレームワークは, 正確な精度で生成過程において, ユーザ特定分布制約(カラーヒストグラム, 潜在トークン分布など)を強制する。
このような制御を最適輸送(OT)問題としてモデル化し、サンプリング中に明示的なガイダンス変換を適用することにより、所望のヒストグラムと一致させるために拡散軌道を駆動する。
色/遅延ヒストグラムによる制約付き生成や,ヒストグラムレベルのエンコーディングによる高容量情報埋め込みなど,多種多様なアプリケーションにおけるHIGの汎用性を示す。
本研究は、既存の制御機構と完全に互換性のあるフレキシブルかつ解釈可能な制御方式である分布制御の可能性を実証し、制御可能な画像生成のためのハイブリッド戦略の多様化を図った。
私たちのプロジェクトページは、https://maps-research.github.io/hig/.com/で公開されています。
関連論文リスト
- Guiding a Diffusion Model by Swapping Its Tokens [16.588428780117752]
本研究では,条件生成と非条件生成の両方に対して,CFGライクなガイダンスを実現するための簡単な手法を提案する。
鍵となるアイデアは、単純なトークンスワップ操作によって混乱した予測を生成することである。
提案手法はトークン潜伏剤を選択的に交換し,分解し,摂動の制御をきめ細かなものにする。
論文 参考訳（メタデータ） (2026-04-09T09:54:49Z) - Mitigating Long-Tail Bias via Prompt-Controlled Diffusion Augmentation [36.94429692322632]
本稿では,ドメイン構成とセマンティック構成の両方を明示的に制御し,ペア付きラベルサンプルを合成する,プロンプト制御拡散増強フレームワークを提案する。
遠隔センシングセグメンテーションにおける長期バイアスを軽減するための実践的メカニズムとして,マイノリティクラスに集中したゲインを示し,都市・農村の一般化を改善した。
論文 参考訳（メタデータ） (2026-02-04T16:49:16Z) - ScaleWeaver: Weaving Efficient Controllable T2I Generation with Multi-Scale Reference Attention [86.93601565563954]
ScaleWeaverは、高度な視覚的自己回帰(VAR)モデルに基づいて、高忠実で制御可能な生成を実現するために設計されたフレームワークである。
提案された参照注意モジュールは image$rightarrow$condition から不要な注意を排除し、計算コストを削減している。
実験によると、ScaleWeaverは、拡散ベースの方法よりも優れた効率を実現しつつ、高品質な生成と正確な制御を提供する。
論文 参考訳（メタデータ） (2025-10-16T17:00:59Z) - SCALAR: Scale-wise Controllable Visual Autoregressive Learning [15.775596699630633]
視覚自己回帰(VAR)に基づく制御可能な生成法であるSCALARを提案する。
予め訓練された画像エンコーダを用いて意味制御信号の符号化を抽出し,VARバックボーンの対応する層に注入する。
SCALAR上に構築したSCALAR-Uniは,複数の制御モダリティを共有潜在空間に整合させる統合拡張であり,単一のモデルで柔軟なマルチ条件ガイダンスをサポートする。
論文 参考訳（メタデータ） (2025-07-26T13:23:08Z) - STAY Diffusion: Styled Layout Diffusion Model for Diverse Layout-to-Image Generation [4.769823364778397]
本稿では,写真リアルな画像を生成する拡散モデルを提案し,シーン内のスタイリングされたオブジェクトのきめ細かい制御を実現する。
提案手法は,各レイアウトのグローバルな条件と,重み変調のための自己教師付きセマンティックマップを学習する。
オブジェクトの関係を捉えるためのグローバル条件とイメージ特徴をクロスコンディションするために、新しいスタイルマスク注意(SM Attention)も導入された。
論文 参考訳（メタデータ） (2025-03-15T17:36:24Z) - ControlVAR: Exploring Controllable Visual Autoregressive Modeling [48.66209303617063]
拡散モデル(DM)の出現により、条件付き視覚発生は顕著に進展した。
高価な計算コスト、高い推論遅延、大規模言語モデル(LLM)との統合の難しさといった課題は、DMに代わる方法を模索する必要がある。
本稿では,フレキシブルかつ効率的な条件生成のための視覚自己回帰モデリングにおける画素レベル制御を探求する新しいフレームワークであるControlmoreを紹介する。
論文 参考訳（メタデータ） (2024-06-14T06:35:33Z) - SSMG: Spatial-Semantic Map Guided Diffusion Model for Free-form
Layout-to-Image Generation [68.42476385214785]
本稿では,レイアウトから派生した特徴写像を用いた空間意味マップガイド(SSMG)拡散モデルを提案する。
SSMGは,従来の研究に比べて空間的,意味的な制御性に優れた生成品質を実現する。
また,RSA(Relation-Sensitive Attention)機構とLSA(Location-Sensitive Attention)機構を提案する。
論文 参考訳（メタデータ） (2023-08-20T04:09:12Z) - Cocktail: Mixing Multi-Modality Controls for Text-Conditional Image
Generation [79.8881514424969]
テキスト条件拡散モデルは多種多様な内容の高忠実度画像を生成することができる。
しかし、言語表現はしばしば、想定された目的像の曖昧な記述を示す。
様々なモダリティを1つの埋め込みに混ぜるパイプラインであるCocktailを提案する。
論文 参考訳（メタデータ） (2023-06-01T17:55:32Z) - Unsupervised Controllable Generation with Self-Training [90.04287577605723]
GANによる制御可能な世代は依然として困難な研究課題である。
本稿では,自己学習を通じてジェネレータを制御する潜伏符号の分布を学習するための教師なしフレームワークを提案する。
我々のフレームワークは、変分オートエンコーダのような他の変種と比較して、より良い絡み合いを示す。
論文 参考訳（メタデータ） (2020-07-17T21:50:35Z) - Deep Autoencoding Topic Model with Scalable Hybrid Bayesian Inference [55.35176938713946]
我々は、ガンマ分布の階層構造を用いて、その多確率層生成ネットワークを構築するディープ・オートエンコーディング・トピック・モデル(DATM)を開発した。
Weibull上向き変分エンコーダを提案する。このエンコーダは深層ニューラルネットワークを介して情報を上向きに伝播し,次いで下向き生成モデルを提案する。
大規模コーパス上での教師なしおよび教師なしの学習タスクにおいて,モデルの有効性とスケーラビリティを実証した。
論文 参考訳（メタデータ） (2020-06-15T22:22:56Z)
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。