論文の概要: WhereEdit: Mask-aware Local Latent Editing for One-Step Image Editing

• arxiv url: http://arxiv.org/abs/2607.20883v1
• Date: Thu, 23 Jul 2026 03:11:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.268579
• Title: WhereEdit: Mask-aware Local Latent Editing for One-Step Image Editing
• Title（参考訳）: マスクを意識したワンステップ画像編集のためのローカルラテント編集ツールWhereEdit
• Abstract要約: ワンステップのテキスト・トゥ・イメージ(T2I)モデルは効率的な画像合成を可能にし、リアルタイム画像編集の新しい機会を提供する。 既存のワンステップ編集手法は意味変換のためのテキストコンディショニングに依存しており、編集すべきテキストの空間的制御が欠如している。 我々は,一段階編集を局所化適応編集として再構成するフレームワークである textbfWhereEdit を提案する。
• 参考スコア（独自算出の注目度）: 16.758428220880734
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent one-step text-to-image (T2I) models enable efficient image synthesis and provide new opportunities for real-time image editing. However, existing one-step editing methods primarily rely on text conditioning for semantic transformation, lacking explicit spatial control over \textit{where} to edit. More importantly, even when spatial constraints are introduced, these methods often struggle to achieve strong and stable semantic modifications within the target regions. In this work, we revisit one-step image editing from a spatially controlled perspective and identify two key challenges: discovering editable regions and achieving effective localized semantic transformation. We reveal that existing methods perform global semantic transport, which limits high-intensity local editing under the one-step setting. To address this issue, we propose \textbf{WhereEdit}, a framework that reformulates one-step editing as localized adaptive editing. WhereEdit automatically identifies semantically relevant regions from internal model features and applies adaptive local modulation to enhance target-region editing while preserving non-target areas and structural consistency. Experiments on the PIE-Bench benchmark demonstrate that WhereEdit consistently outperforms existing one-step image editing methods, achieving superior editing quality while maintaining the efficiency of one-step generation. Additional experiments with region-level supervision further highlight the importance of explicit spatial reasoning for high-quality one-step image editing.
• Abstract（参考訳）: 最近のワンステップテキスト・ツー・イメージ(T2I)モデルでは、効率的な画像合成が可能であり、リアルタイム画像編集の新しい機会を提供する。 しかし、既存のワンステップ編集手法は、主に意味変換のためのテキスト条件付けに依存しており、編集する \textit{where} に対する空間的な明示的な制御が欠如している。 さらに重要なことは、たとえ空間的制約が導入されたとしても、これらの手法はターゲット領域内で強力で安定した意味的修飾を達成するのに苦労することが多いことである。 本研究では,空間的に制御された視点から一段階の画像編集を再考し,編集可能な領域の発見と効果的な局所的セマンティックトランスフォーメーションの実現という2つの重要な課題を特定する。 既存の手法がグローバルなセマンティックトランスポートを実行し,一段階設定下での局所的な高強度編集を制限していることを明らかにした。 この問題に対処するため,一段階編集を局所化適応編集として再構成するフレームワークである「textbf{WhereEdit}」を提案する。 WhereEditは、内部モデルの特徴から意味のある領域を自動的に識別し、適応的な局所変調を適用して、非ターゲット領域と構造的一貫性を維持しながら、ターゲット領域の編集を強化する。 PIE-Benchベンチマークの実験では、WhereEditは既存のワンステップ画像編集方法より一貫して優れており、ワンステップ生成の効率を保ちながら、優れた編集品質を実現している。 地域レベルの監視による追加実験は、高品質なワンステップ画像編集における空間的推論の重要性をさらに強調している。

関連論文リスト

• Edit-GRPO: A Locality-Preserving Policy Optimization Framework for Image Editing [95.29911956874389]
  画像編集を最適化しながら局所性を保存する編集-GRPOを提案する。 編集領域と非編集領域に領域固有の最適化信号を割り当てることで、Edit-GRPOはポリシー更新を編集タスクの空間構造と整合させる。 この設計は、コンテキスト歪みや境界の不整合といった共通成果物を効果的に抑制する。
  論文  参考訳（メタデータ） (2026-05-16T12:05:39Z)
• Rethinking Where to Edit: Task-Aware Localization for Instruction-Based Image Editing [30.23368654238746]
  教示に基づく画像編集のための訓練不要でタスク対応の編集ローカライズフレームワークを提案する。 我々のフレームワークは、強い命令追従性能を維持しながら、非編集領域の一貫性を一貫して改善する。
  論文  参考訳（メタデータ） (2026-04-22T07:08:01Z)
• LocateEdit-Bench: A Benchmark for Instruction-Based Editing Localization [21.62979058692505]
  フォージェリローカライゼーション手法をベンチマークするために,231ドルの編集画像からなる大規模データセットを提案する。 データセットには、4つの最先端編集モデルと3つの一般的な編集タイプが組み込まれている。 我々の研究は、画像編集の進化する状況に追従する基盤を確立し、将来の偽のローカライゼーションのための効果的な手法の開発を容易にする。
  論文  参考訳（メタデータ） (2026-02-05T12:01:09Z)
• SpotEdit: Selective Region Editing in Diffusion Transformers [66.44912649206553]
  SpotEditは、修正されたリージョンのみを選択的に更新する、トレーニング不要な拡散編集フレームワークである。 不要な計算を削減し、未修正領域で高い忠実性を維持することにより、SpotEditは効率よく正確な画像編集を実現する。
  論文  参考訳（メタデータ） (2025-12-26T14:59:41Z)
• CannyEdit: Selective Canny Control and Dual-Prompt Guidance for Training-Free Image Editing [10.535939265557895]
  CannyEditは、地域画像編集のための新しいトレーニング不要のフレームワークである。 Canny ControlNetから未編集領域のみに構造的なガイダンスを適用し、元のイメージの詳細を保存する。 CannyEditは例外的な柔軟性を提供しており、粗いマスクや、追加タスクのシングルポイントヒントで効果的に動作する。
  論文  参考訳（メタデータ） (2025-08-09T11:06:58Z)
• DCEdit: Dual-Level Controlled Image Editing via Precisely Localized Semantics [71.78350994830885]
  拡散モデルを用いたテキスト誘導画像編集における新しい手法を提案する。 本手法は,視覚的・テキスト的自己注意を用いて横断的意識マップを向上し,編集性能を向上させるための地域的手がかりとして機能する。 提案手法を他のDiTベースのアプローチと完全に比較するため,高解像度画像,長い記述テキスト,実世界の画像,新しいテキスト編集タスクを特徴とするRW-800ベンチマークを構築した。
  論文  参考訳（メタデータ） (2025-03-21T02:14:03Z)
• Customize your NeRF: Adaptive Source Driven 3D Scene Editing via Local-Global Iterative Training [61.984277261016146]
  テキスト記述や参照画像を編集プロンプトとして統合するCustomNeRFモデルを提案する。 最初の課題に取り組むために,前景領域編集とフルイメージ編集を交互に行うローカル・グローバル反復編集(LGIE)トレーニング手法を提案する。 第2の課題として、生成モデル内のクラス事前を利用して、一貫性の問題を緩和するクラス誘導正規化を設計する。
  論文  参考訳（メタデータ） (2023-12-04T06:25:06Z)
• Optimisation-Based Multi-Modal Semantic Image Editing [58.496064583110694]
  本稿では,複数の編集命令型に対応するために,推論時編集の最適化を提案する。 各損失関数の影響を調整することで、ユーザの好みに合わせてフレキシブルな編集ソリューションを構築することができる。 本手法は,テキスト,ポーズ,スクリブルといった編集条件を用いて評価し,複雑な編集を行う能力を強調した。
  論文  参考訳（メタデータ） (2023-11-28T15:31:11Z)
• Object-aware Inversion and Reassembly for Image Editing [61.19822563737121]
  オブジェクトレベルのきめ細かい編集を可能にするために,オブジェクト認識型インバージョンと再アセンブリ(OIR)を提案する。 画像の編集時に各編集ペアに対して最適な反転ステップを見つけるために,検索基準を用いる。 本手法は,オブジェクトの形状,色,材料,カテゴリなどの編集において,特に多目的編集シナリオにおいて優れた性能を発揮する。
  論文  参考訳（メタデータ） (2023-10-18T17:59:02Z)
• StyleDiffusion: Prompt-Embedding Inversion for Text-Based Editing [115.49488548588305]
  画像の編集のために、事前訓練された拡散モデルの驚くべき能力を活用することに重点が置かれている。 彼らはモデルを微調整するか、事前訓練されたモデルの潜在空間で画像を反転させる。 選択された地域に対する不満足な結果と、非選択された地域における予期せぬ変化の2つの問題に悩まされている。
  論文  参考訳（メタデータ） (2023-03-28T00:16:45Z)

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。