論文の概要: Latent-Identity Tuning in Text-to-Image Personalization Models

• arxiv url: http://arxiv.org/abs/2607.11885v1
• Date: Mon, 13 Jul 2026 17:59:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 17:47:21.583452
• Title: Latent-Identity Tuning in Text-to-Image Personalization Models
• Title（参考訳）: テキスト対画像パーソナライズモデルにおける潜時同一性チューニング
• Abstract要約: テキスト・ツー・イメージのパーソナライズ・モデルにおける詳細なアイデンティティチューニング手法を提案する。 通常の画像編集とは異なり、アイデンティティチューニングは特定のアイデンティティの潜在表現を変更する。 この空間と選択されたトークンによって定義された部分空間内で有意な方向を識別できることが示される。
• 参考スコア（独自算出の注目度）: 65.31471460269033
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating and editing a person's face demands high precision, as even minor modifications can significantly alter a subject's perceived identity. Current personalization and editing methods built on general-purpose text-to-image models, however, often lack the precision required for fine-grained facial edits. We present a method for fine-grained identity tuning in text-to-image personalization models. Unlike standard image editing, which operates on a given image, identity tuning modifies the latent representation of a specific identity, enabling the generation of diverse images that consistently depict the same edited identity. To enable fine-grained latent identity tuning, we explore the latent space of a pre-trained, frozen encoder for text-to-image personalization. Our approach requires no additional training. Instead, it leverages the existing architecture of a frozen encoder to uncover latent semantic directions. This space consists of a set of latent tokens that play distinct roles in capturing different aspects of an identity and often correspond to specific spatial or semantic facial regions. We show that meaningful directions can be identified within this space and within subspaces defined by selected tokens, enabling localized, fine-grained, and semantically coherent edits. We validate our approach through qualitative and quantitative experiments that demonstrate diverse localized facial edits while preserving cross-image identity consistency. Project page at: https://garibida.github.io/IdentityTuning/
• Abstract（参考訳）: 人の顔の生成と編集には高い精度が要求される。 現在のパーソナライズと編集方法は汎用のテキスト・ツー・イメージ・モデルで構築されているが、細かな顔の編集に必要な精度を欠いていることが多い。 テキスト・ツー・イメージのパーソナライズ・モデルにおける詳細なアイデンティティチューニング手法を提案する。 特定の画像で動作する標準的な画像編集とは異なり、アイデンティティチューニングは特定のアイデンティティの潜在表現を修正し、同じ編集されたアイデンティティを一貫して表現する多様な画像を生成する。 そこで本研究では,テキスト・ツー・イメージ・パーソナライズのための学習済み冷凍エンコーダの潜時空間について検討する。 私たちのアプローチでは追加のトレーニングは必要ありません。 代わりに、凍結エンコーダの既存のアーキテクチャを活用して、潜伏するセマンティックな方向を明らかにする。 この空間は、アイデンティティの異なる側面を捉え、しばしば特定の空間的または意味的な顔領域に対応するために、異なる役割を演じる潜在トークンからなる。 この空間と、選択されたトークンによって定義された部分空間内で意味のある方向を識別できることを示し、局所化、微細化、セマンティック・コヒーレントな編集を可能にする。 画像間のアイデンティティの整合性を保ちながら、多様な局所的な顔の編集を実証する定性的かつ定量的な実験を通じて、我々のアプローチを検証する。 Project page at: https://garibida.github.io/IdentityTuning/

関連論文リスト

• Optimizing ID Consistency in Multimodal Large Models: Facial Restoration via Alignment, Entanglement, and Disentanglement [54.199726425201895]
  大規模モデルのマルチモーダル編集は、様々なタスクにまたがる強力な編集機能を示している。 現在の顔認証保存法は、顔認証と編集済み要素IPの整合性回復に苦慮している。 そこで我々は,頑健なアイデンティティ特異的顔復元のためのアライメント・ディスタングルメント・アンタングルメント・フレームワークであるEditedIDを提案する。
  論文  参考訳（メタデータ） (2026-02-21T08:24:42Z)
• Reverse Personalization [48.09783075634403]
  顔の匿名化のための逆パーソナライズフレームワークを導入する。 顔の属性を制御できない従来の匿名化手法とは異なり、我々のフレームワークは属性制御可能な匿名化をサポートしている。
  論文  参考訳（メタデータ） (2025-12-28T16:06:55Z)
• S$^2$Edit: Text-Guided Image Editing with Precise Semantic and Spatial Control [29.031157601804953]
  S$2$Editはテキストから画像への拡散モデルであり、正確な意味論と空間制御によるパーソナライズされた編集を可能にする。 S$2$Editは、学習した意味的に乱れ、空間的に焦点を絞ったアイデンティティトークンを用いて、元のアイデンティティを忠実に保存しながら、ローカライズされた編集を行うことを示す。
  論文  参考訳（メタデータ） (2025-07-07T00:14:08Z)
• StableIdentity: Inserting Anybody into Anywhere at First Sight [57.99693188913382]
  一つの顔画像で同一性に一貫性のある再テクスチャ化を可能にするStableIdentityを提案する。 私たちは、1つの画像から学んだアイデンティティを直接、微調整なしでビデオ/3D生成に注入する最初の人です。
  論文  参考訳（メタデータ） (2024-01-29T09:06:15Z)
• When StyleGAN Meets Stable Diffusion: a $\mathscr{W}_+$ Adapter for Personalized Image Generation [60.305112612629465]
  テキストと画像の拡散モデルは、多種多様で高品質でフォトリアリスティックな画像を生成するのに優れている。 本稿では,拡散モデルのための拡張されたアイデンティティ保存とアンタングル化を実現するために,StyleGAN 埋め込み空間 $mathcalW_+$ の新たな利用法を提案する。 提案手法は,即時記述に適合するだけでなく,一般的なスタイルGAN編集方向に対応可能なパーソナライズされたテキスト・ツー・イメージ出力を生成する。
  論文  参考訳（メタデータ） (2023-11-29T09:05:14Z)
• DreamIdentity: Improved Editability for Efficient Face-identity Preserved Image Generation [69.16517915592063]
  人間の顔の正確な表現を学習するための新しい顔識別エンコーダを提案する。 また、モデルの編集可能性を高めるために、自己拡張編集可能性学習を提案する。 我々の手法は、異なるシーン下でより高速にアイデンティティ保存された画像を生成することができる。
  論文  参考訳（メタデータ） (2023-07-01T11:01:17Z)

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。