論文の概要: PC-Edit: Prompt-Contrastive Region Discovery and Region-Guided Editing
- arxiv url: http://arxiv.org/abs/2607.21318v1
- Date: Thu, 23 Jul 2026 13:42:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.42365
- Title: PC-Edit: Prompt-Contrastive Region Discovery and Region-Guided Editing
- Title（参考訳）: PC-Edit: Prompt-Contrastive Region Discovery and Region-GuidedEditing
- Abstract要約: PC-Editは、トレーニングフリーのMM-DiT編集のためのプロンプトコントラストフレームワークである。
ユーザが指定した編集領域を使わずに,PC-Editが最適な編集品質とバックグラウンド保存を実現していることを示す。
- 参考スコア（独自算出の注目度）: 6.411145731142763
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Replacing an object with one that differs in category or shape requires complete source removal, natural target formation unconstrained by the source silhouette, and preservation of unrelated content. Existing training-free editors either localize edits from terminal predictions under source and target prompts or preserve unrelated content through spatially unselective source-feature reuse without explicit region discovery. Before reaching the terminal predictions, prompt-induced semantic differences undergo additional network transformations that may obscure their spatial localization, reducing localization precision. Spatially unselective feature reuse forces a trade-off between edit completeness and background preservation. Therefore, we propose PC-Edit, a prompt-contrastive framework for training-free MM-DiT editing. PC-Edit contrasts the image-token attention outputs under the source and target prompts, capturing prompt-induced semantic differences directly where text-conditioned information is delivered to image tokens. The same contrast identifies a source-erasure region during inversion and a target-emergence region during denoising. Their union suppresses source remnants while allowing the target object to form naturally. PC-Edit further couples region discovery and background preservation within each sampling step by estimating the current edit region from preceding attention blocks and immediately injecting cached source K/V features outside it in subsequent blocks, thereby protecting unrelated content before the latent update. Experiments on PIE-Bench and our EditRegion-Bench, with human-verified edit-region annotations for single- and multi-object addition and replacement, show that PC-Edit achieves the best editing quality and background preservation among methods without user-specified edit regions.
- Abstract（参考訳）: カテゴリーや形状が異なる物体に置き換えるには、完全なソース除去、ソースシルエットに拘束されない自然なターゲット形成、無関係なコンテンツの保存が必要である。
既存のトレーニングフリーエディタは、ソース下の端末予測からの編集をローカライズし、対象のプロンプトをターゲットにするか、空間的に非選択的なソース-フィーチャーの再利用を通じて、明示的な領域発見なしに保存する。
終端予測に到達する前に、プロンプトによって引き起こされる意味の違いは、空間的局所化を曖昧にし、局所化の精度を低下させる可能性のある追加のネットワーク変換を行う。
空間的に非選択的な機能の再利用は、編集完全性と背景保存の間のトレードオフを強要する。
そこで本研究では,学習不要なMM-DiT編集のためのプロンプトコントラストフレームワークであるPC-Editを提案する。
PC-Editは、ソースとターゲットプロンプトの下の画像に注意を向けた出力と対比し、テキスト条件の情報が画像トークンに配信される際に、直接、即座に引き起こされるセマンティックな違いをキャプチャする。
同じコントラストは、インバージョン中のソースエミッション領域と、デノイング中のターゲットエマージェンス領域を識別する。
彼らの結合は、ターゲットオブジェクトが自然に形成されることを許容しながら、ソース残基を抑制する。
PC−Editはさらに、前の注目ブロックから現在の編集領域を推定し、キャッシュされたソースK/V機能を後続のブロックに即座に注入することにより、サンプリングステップ毎に領域発見とバックグラウンド保存を結合し、潜時更新前に関連のないコンテンツを保護する。
PIE-Bench と EditRegion-Bench の実験により,PC-Edit は,ユーザ指定の編集領域を使わずに,最適な編集品質と背景保存を達成できることを示した。
関連論文リスト
- Diffusion Image Editing via Asynchronous Token Decoding [9.39531887626368]
ATDEditは、各サンプリングステップをグローバルに結合されたトークンマトリックスの並列更新とみなす推論時フレームワークである。
トークンワイズ条件推定を用いて編集可能な位置を推定し、選択したトークンセットに目標条件補正を適用する。
キー/バリューのソースメモリを保留位置で提供し、プロジェクトは保留位置の潜在行を元の値に戻す。
論文 参考訳（メタデータ） (2026-08-10T09:02:13Z) - BindEdit: Taming Attention Leakage for Precise Multi-Object Image Editing [8.542586773614113]
実際の画像編集は視覚的コンテンツの正確な操作を可能にするが、既存の手法は複雑な多目的シナリオで失敗することが多い。
本稿では,単一拡散軌道における注意レベル制約を強制するBindEditを提案する。
BindEditは、単一拡散軌道内の既存のメソッドを一貫して上回る。
論文 参考訳（メタデータ） (2026-06-17T10:32:14Z) - Edit Where You Mean: Region-Aware Adapter Injection for Mask-Free Local Image Editing [28.295031615161136]
大規模な拡散変換器 (DiT) はグローバルな編集命令に従っているが、常に非関連領域に局所的な編集をリークする。
そこで我々はAdaptEditを紹介した。AdaptEditは、訓練された命令と地域対応のアダプタフレームワークである。
AdaptEditは最先端の結果を達成し、マスクフリーとオラクルマスクのベースラインを同時に上回る。
論文 参考訳（メタデータ） (2026-04-26T15:28:02Z) - 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) - CEI-3D: Collaborative Explicit-Implicit 3D Reconstruction for Realistic and Fine-Grained Object Editing [51.73433734209541]
既存の3D編集手法は、再構成ネットワークの深い統合性のために、非現実的で未精細な結果をもたらすことが多い。
本稿では,現実的できめ細かな編集を容易にするための,編集指向の再構築パイプラインであるCEI-3Dを紹介する。
提案手法は,最新技術(SOTA)手法よりも,よりリアルできめ細かな編集結果を実現すると同時に,編集時間を短縮する。
論文 参考訳（メタデータ） (2026-03-12T11:15:11Z) - ProEdit: Inversion-based Editing From Prompts Done Right [63.554692704101]
インバージョンベースのビジュアル編集は、ユーザ指示に基づいて画像やビデオを編集するための効果的でトレーニングのない方法を提供する。
既存の方法は、通常、編集一貫性を維持するためにサンプリングプロセス中にソースイメージ情報を注入する。
注意点と潜伏点の両方においてこの問題に対処するProEditを提案する。
論文 参考訳（メタデータ） (2025-12-26T18:59:14Z) - 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) - Re-Attentional Controllable Video Diffusion Editing [48.052781838711994]
本稿では,Re-Attentional Controllable Video Diffusion Editing (ReAtCo)法を提案する。
対象物体の空間配置と編集されたテキストプロンプトを無訓練で整合させるために,再注意拡散(RAD)を提案する。
RADは、編集されたテキストプロンプトとデノナイジング段階のターゲットビデオとの間の相互注意活性化反応を再焦点化し、空間的に位置整列し、意味的に高忠実に操作されたビデオを生成する。
論文 参考訳（メタデータ） (2024-12-16T12:32:21Z) - Addressing Text Embedding Leakage in Diffusion-based Image Editing [33.1686050396517]
本稿では属性リークに対処するフレームワークであるAttribute-Leakage-free Editing (ALE)を紹介する。
ALEは、オブジェクト制限埋め込み(ORE)とテキスト埋め込みのアンタングル、空間的に正確に注意を向けるRGB-CAM(Regional-Guided Blending for Cross-Attention Masking)、非編集コンテンツを保存するためにバックグラウンドブレンディング(Backside Blending)を組み合わせる。
論文 参考訳（メタデータ） (2024-12-06T02:10:07Z) - 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) - iEdit: Localised Text-guided Image Editing with Weak Supervision [53.082196061014734]
テキスト誘導画像編集のための新しい学習法を提案する。
ソースイメージに条件付けされた画像とテキスト編集プロンプトを生成する。
画像の忠実度、CLIPアライメントスコア、および生成された画像と実際の画像の両方を定性的に編集する点において、画像に対して好ましい結果を示す。
論文 参考訳（メタデータ） (2023-05-10T07:39:14Z)
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。