論文の概要: A${}^2$BM: Alignment-Aware Bridge Matching for Image-to-Image Translation

• arxiv url: http://arxiv.org/abs/2607.16294v1
• Date: Mon, 13 Jul 2026 08:00:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.093211
• Title: A${}^2$BM: Alignment-Aware Bridge Matching for Image-to-Image Translation
• Title（参考訳）: A${}^2$BM:画像間変換のためのアライメント対応ブリッジマッチング
• Abstract要約: トレーニング中に画像ペアのアライメントを利用するブリッジマッチング手法であるアライメント・アウェア・ブリッジマッチング(A$2$BM)を導入する。 アライメントスコアを組み込むことで、モデルは、誤アライメントアーティファクトから真の意味的対応を解き放つことを学習する。 我々は、制御された合成実験と、クロスセンサー超解像や画素空間の非教師なし領域適応を含む現実世界の課題について、A$2$BMの検証を行った。
• 参考スコア（独自算出の注目度）: 13.749611763484173
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Paired image-to-image translation underpins a wide range of computer vision tasks, including image editing, sensor translation, and domain adaptation. Bridge matching and flow matching have recently emerged as powerful frameworks, extending diffusion models to arbitrary source and target distributions. However, their standard formulations assume perfectly aligned training pairs, treating all source-target correspondences as equally reliable. In practice, real-world applications often involve weakly aligned pairs due to changes of acquisition conditions, including e.g. asynchronous captures, different illuminations, or misregistration. In this work, we introduce Alignment-Aware Bridge Matching (A${}^2$BM), a bridge matching method that leverages image pairs alignment during training. By incorporating alignment scores, the model learns to disentangle true semantic correspondences from misalignment artifacts. At inference time, we use the alignment score as a control variable over translation fidelity, with strongly aligned outputs obtained when prompting the model with the highest alignment score. We validate A${}^2$BM on both controlled synthetic experiments and on challenging real-world tasks, including cross-sensor super-resolution and pixel-space unsupervised domain adaptation. In all settings, A${}^2$BM consistently improves translation fidelity over strong GAN-, diffusion-, and Schr{ö}dinger bridge-based baselines, establishing alignment conditioning as a principled solution for image translation models with weakly aligned data.
• Abstract（参考訳）: Paired Image-to-image Translationは、画像編集、センサー翻訳、ドメイン適応など、幅広いコンピュータビジョンタスクを支える。 ブリッジマッチングとフローマッチングは、最近強力なフレームワークとして登場し、拡散モデルを任意のソースとターゲット分布に拡張した。 しかし、それらの標準的な定式化は、完全に整列したトレーニングペアを仮定し、全てのソースとターゲットの対応を等しく信頼できるものとして扱う。 実際には、実世界のアプリケーションは、例えば非同期キャプチャ、異なる照度、誤った登録を含む、取得条件の変化のために、弱い整合性を持つことが多い。 本稿では、トレーニング中に画像ペアのアライメントを利用するブリッジマッチング手法であるアライメント・アウェア・ブリッジマッチング(A${}^2$BM)を紹介する。 アライメントスコアを組み込むことで、モデルは、誤アライメントアーティファクトから真の意味的対応を解き放つことを学習する。 推論時には、アライメントスコアを変換忠実度に対する制御変数として使用し、アライメントスコアが最も高いモデルにプロンプトすると、強いアライメント出力が得られる。 我々は、A${}^2$BMを、制御された合成実験と、クロスセンサー超解像や画素空間の教師なし領域適応を含む現実世界の課題の両方に対して検証する。 すべての設定において、A${}^2$BM は、強い GAN-、拡散-、およびSchr{ö}dinger ブリッジベースラインに対する変換忠実度を一貫して改善し、弱い整列データを持つ画像翻訳モデルの原理的解としてアライメント条件を確立する。

関連論文リスト

• Timage: A Generative Text-in-Image Paradigm for Fine-Tuning Vision-Language Models [22.803631190636313]
  我々は、マルチモーダル理解を入力で解決したアライメント問題として再キャストするパラダイムであるTimageを紹介する。 この研究は、意図的な入力再構成をマルチモーダル推論を強化するための強力なアーキテクチャニュートラルレバーとして位置づけている。
  論文  参考訳（メタデータ） (2026-06-18T08:40:41Z)
• Unpaired Image-to-Image Translation via a Self-Supervised Semantic Bridge [59.247871132422006]
  逆拡散法と拡散反転法は、未ペア画像から画像への変換を先進的に進めているが、それぞれが鍵となる制限に直面している。 本稿では,外部意味を拡散ブリッジモデルに統合する汎用フレームワークであるSelf-Supervised Semantic Bridge (SSB)を提案する。 我々のキーとなる考え方は、自己教師付き視覚エンコーダを活用して、外観変化に不変な表現を学習するが、幾何学的構造を捉えることである。
  論文  参考訳（メタデータ） (2026-02-18T18:05:00Z)
• Deterministic Image-to-Image Translation via Denoising Brownian Bridge Models with Dual Approximators [5.59333453533085]
  双対近似器を用いたブラウン橋モデル(双対近似橋)を提案する。 ベンチマークデータセットの実験では、Dual-approx Bridgeの一貫性と優れた性能が示されている。
  論文  参考訳（メタデータ） (2025-12-29T13:45:21Z)
• How Modality Shapes Perception and Reasoning: A Study of Error Propagation in ARC-AGI [7.226300346775942]
  ARC-AGIとARC-AGI-2は、小さな色量子格子上の一般化スルー合成を測定する。 最近の命令ファーストシステムは、グリッドを生成-実行-選択ループで実行される簡潔な自然言語またはDSLルールに変換する。
  論文  参考訳（メタデータ） (2025-11-11T19:06:41Z)
• EditInfinity: Image Editing with Binary-Quantized Generative Models [64.05135380710749]
  画像編集のためのバイナリ量子化生成モデルのパラメータ効率適応について検討する。 具体的には、画像編集のためのバイナリ量子化生成モデルであるEmphInfinityを適応させるEditInfinityを提案する。 テキストの修正と画像スタイルの保存を促進させる,効率的かつ効果的な画像反転機構を提案する。
  論文  参考訳（メタデータ） (2025-10-23T05:06:24Z)
• Cross-modal Full-mode Fine-grained Alignment for Text-to-Image Person Retrieval [54.90229711181207]
  TIPR (Text-to-Image Person Retrieval) は、与えられたテキストクエリに基づいて、最も関連性の高い人物画像を取得することを目的としている。 TIPRの鍵となる課題は、テキストと視覚のモダリティの効果的なアライメントを達成することである。 FMFA, クロスモーダルフルモーデファインファインファインファインアライメントフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-17T07:12:05Z)
• Image-to-Image Translation with Diffusion Transformers and CLIP-Based Image Conditioning [2.9603070411207644]
  Diffusion Transformers (DiT) は画像から画像への変換のための拡散ベースのフレームワークである。 DiTは拡散モデルのデノナイジング能力と変換器のグローバルなモデリング能力を組み合わせる。 実際の顔を漫画風のイラストに翻訳する face2comics と、エッジマップをリアルなシューズイメージに変換する edges2shoe の2つのベンチマークデータセットに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2025-05-21T20:37:33Z)
• Bi-directional Self-Registration for Misaligned Infrared-Visible Image Fusion [53.60977801655896]
  高品質なマルチモーダル画像融合を実現するためには,高精度なマルチモーダル画像ペアの取得が不可欠である。 我々は、新しい自己教師型 textbfBi-directional textbfSelf-textbfRegistration framework (textbfB-SR) を提案する。
  論文  参考訳（メタデータ） (2025-05-11T09:36:25Z)
• Debiasing Vison-Language Models with Text-Only Training [15.069736314663352]
  視覚バイアスを軽減するために,テキスト・アズ・イメージ・トレーニング・パラダイムを活用するTODというテキスト・オン・デバイアス・フレームワークを提案する。 そこで本研究では,テキスト・アズ・イメージ・トレーニングのパラダイムを活用し,視覚バイアスを緩和するテキスト・オン・デバイアス化フレームワークTODを提案する。
  論文  参考訳（メタデータ） (2024-10-12T04:34:46Z)
• Global and Local Alignment Networks for Unpaired Image-to-Image Translation [170.08142745705575]
  未ペア画像から画像への変換の目的は、対象領域のスタイルを反映した出力画像を作成することである。 既存の手法では内容変化に注意が払われていないため、ソース画像からの意味情報は翻訳中の劣化に悩まされる。 我々はGLA-Net(Global and Local Alignment Networks)という新しいアプローチを導入する。 本手法は既存の手法よりもシャープでリアルな画像を効果的に生成する。
  論文  参考訳（メタデータ） (2021-11-19T18:01:54Z)
• iFAN: Image-Instance Full Alignment Networks for Adaptive Object Detection [48.83883375118966]
  iFANは、イメージレベルとインスタンスレベルの両方で、機能の分散を正確に調整することを目的としている。 ソースのみのベースライン上で10%以上のAPで、最先端のメソッドよりも優れています。
  論文  参考訳（メタデータ） (2020-03-09T13:27:06Z)

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。