論文の概要: What Can I Edit? Open-Ended Strategy Discovery and the Emotion Editability Landscape
- arxiv url: http://arxiv.org/abs/2607.23920v1
- Date: Mon, 27 Jul 2026 01:22:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.268285
- Title: What Can I Edit? Open-Ended Strategy Discovery and the Emotion Editability Landscape
- Title（参考訳）: 編集できるものは何か? オープンエンデッド戦略発見と感情編集性景観
- Abstract要約: EmoScopeは、タスクを"どのように編集すべきか?"から"何を編集できるのか?
まず、感情条件付き空き時間推論により、画像固有の編集可能な空間を発見する。
EmoScopeは、統一テンプレートを適用するのではなく、ターゲット感情適応戦略を選択する。
- 参考スコア（独自算出の注目度）: 26.199100714806765
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Emotional image editing requires more than applying affective filters or modifying predefined visual factors: an effective edit must identify what a particular image can afford for a target emotion. Existing affective image manipulation methods, including recent agentic variants, largely operate within bounded strategy spaces based on predefined factor taxonomies, knowledge libraries, or conventional editing templates, and therefore often miss image-specific, context-grounded strategies. We introduce EmoScope, a multi-agent framework that reframes the task from "how should I edit?" to "what can I edit?" EmoScope first discovers an image-specific editable space through emotion-conditioned affordance reasoning, then uses a semantic hierarchy of anchors, variables, and context to balance content consistency and emotional expressiveness before executing and verifying the edit. Because its plans are expressed as image-specific affordances rather than retrieved templates, EmoScope also exposes the editing strategy as an interactive surface for user refinement at the plan level. In a large-scale human evaluation covering all eight Mikels emotion categories, with 4,693 valid responses across 1,824 pairwise questions, participants preferred EmoScope over two competitive baselines by 88.1% on average. Attribution analysis further shows that EmoScope selects target-emotion-adaptive strategies rather than applying a uniform template. The same affordance-level plan also supports lightweight user refinement in an interactive pilot. Finally, we show that classifier-based metrics exhibit emotion-conditional blind spots toward non-stereotypical, context-grounded edits, and present a relative content-emotion preference-affinity landscape showing that EmoScope's advantage varies systematically across image-emotion combinations.
- Abstract（参考訳）: 感情的な画像編集には、感情的なフィルターを適用したり、事前に定義された視覚的要因を変更する以上のものが必要である。
最近のエージェント型を含む既存のイメージ操作手法は、事前に定義された因子分類、知識ライブラリ、あるいは従来の編集テンプレートに基づいて、主に境界付き戦略空間内で機能する。
EmoScopeはマルチエージェントフレームワークで、タスクを"どのように編集すべきか?
EmoScopeはまず感情条件付きアベイランス推論を通じてイメージ固有の編集可能な空間を発見し、その後、アンカー、変数、コンテキストのセマンティック階層を使用して、編集を実行および検証する前に、コンテンツの一貫性と感情表現性のバランスをとる。
EmoScopeは、検索されたテンプレートではなく、画像固有の価格で表現されるので、また、その編集戦略を、計画レベルでのユーザリファインメントのためのインタラクティブなサーフェスとして公開する。
8つのマイクルス感情カテゴリーすべてをカバーする大規模な人間評価では、1,824のペアの質問に対して4,693の有効な回答があり、参加者は2つの競争ベースラインに対して平均88.1%のEmoScopeを好んだ。
属性分析により、EmoScopeは均一なテンプレートを適用するのではなく、ターゲット感情適応戦略を選択することが明らかになった。
同じ価格帯のプランでは、インタラクティブなパイロットで軽量なユーザー改良もサポートしている。
最後に,非ステレオタイプ,文脈的編集に対する感情条件の盲点を示す指標を示し,EmoScopeの利点が画像と感情の組み合わせによって系統的に異なることを示す。
関連論文リスト
- AffectDelta: Beyond Emotion Labels for Image Editing [6.405134904406484]
本稿では、8次元の感情分布の遷移として編集を扱うソース認識エディタAffectDeltaを紹介する。
凍結感情分布予測器は、ソース状態を推定し、署名されたソース対ターゲット差は、要求された遷移の方向と大きさを符号化する。
AffectDeltaの内部では、内部遷移エンコーダとソースを意識した拡散バックボーンが、この信号をコンテキスト依存のセマンティックおよび外観変化に変換する。
論文 参考訳（メタデータ） (2026-09-02T13:56:59Z) - Context-Aware Mixture of Domain Experts for Bodily Expression of Emotion in the Wild [3.52359746858894]
身体的感情認識のためのコンテキスト・アウェア・ミックス・オブ・ドメイン・エキスパート(CA-MoDE)を紹介する。
CA-MoDEには専用のシーンとオブジェクトの専門家が組み込まれており、それぞれのドメインに設定された感情カテゴリに対してソフトな分布を生成する。
我々のゲーティング戦略は、コンフリクトや非形式的文脈分布が平均化されるときに発生する信号の希釈を緩和する。
論文 参考訳（メタデータ） (2026-08-03T14:52:08Z) - EmoStyle: Affective Conditioning of Style-Specialist Experts for Emotional Image Generation [50.22045436428303]
EmoStyleはZイメージベースのフレームワークで、入力プロンプトを構造化された生成状態に変換する。
各芸術スタイルのバケットに専用のLoRAアダプタをトレーニングし、推論中に対応する専門家を選択する。
軽量なVLM誘導候補選択ステップは、即時アライメント、スタイル整合性、感情表現、視覚的品質に基づいて生成した画像をランク付けする。
論文 参考訳（メタデータ） (2026-07-11T07:12:07Z) - GIE-Bench: Towards Grounded Evaluation for Text-Guided Image Editing [60.66800567924348]
テキスト誘導画像編集モデルを評価するための新しいベンチマークを導入する。
このベンチマークには、20種類のコンテンツカテゴリにわたる高品質な編集例が1000以上含まれている。
我々は、GPT-Image-1をいくつかの最先端編集モデルと比較する大規模な研究を行っている。
論文 参考訳（メタデータ） (2025-05-16T17:55:54Z) - EmoEdit: Evoking Emotions through Image Manipulation [62.416345095776656]
Affective Image Manipulation (AIM) は、特定の感情的な反応を誘発するために、ユーザーが提供する画像を修正しようとする。
本稿では,感情的影響を高めるためにコンテンツ修正を取り入れてAIMを拡張したEmoEditを紹介する。
本手法は定性的かつ定量的に評価され,従来の最先端技術と比較して優れた性能を示す。
論文 参考訳（メタデータ） (2024-05-21T10:18:45Z) - An Item is Worth a Prompt: Versatile Image Editing with Disentangled Control [21.624984690721842]
D-Editは、包括的な画像-プロンプトインタラクションをいくつかのアイテム-プロンプトインタラクションに切り離すためのフレームワークである。
クロスアテンション層が歪んだ事前学習拡散モデルに基づいており、アイテム・プロンプト・アソシエーションを構築するために2段階の最適化を採用している。
画像ベース,テキストベース,マスクベースの編集,アイテム削除を含む4種類の編集作業において,最先端の結果を示す。
論文 参考訳（メタデータ） (2024-03-07T20:06:29Z) - 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) - Talk-to-Edit: Fine-Grained Facial Editing via Dialog [79.8726256912376]
Talk-to-Editは対話型顔編集フレームワークで、ユーザーとシステム間の対話を通じて微粒な属性操作を行う。
我々の重要な洞察は、GANラテント空間における連続的な「セマンティック場」をモデル化することである。
本システムは,ユーザからの要求とセマンティックフィールドの状態の両方を考慮し,言語フィードバックを生成する。
論文 参考訳（メタデータ） (2021-09-09T17:17:59Z) - Enjoy Your Editing: Controllable GANs for Image Editing via Latent Space
Navigation [136.53288628437355]
コントロール可能なセマンティックイメージ編集により、ユーザーはクリック数回で画像属性全体を変更できる。
現在のアプローチでは、絡み合った属性編集、グローバルなイメージアイデンティティの変更、フォトリアリズムの低下に悩まされることが多い。
本稿では,主に定性評価に焦点を当てた先行研究とは異なり,制御可能な編集性能を測定するための定量的評価手法を提案する。
論文 参考訳（メタデータ） (2021-02-01T21:38:36Z) - Look here! A parametric learning based approach to redirect visual
attention [49.609412873346386]
画像領域を微妙な画像編集によってより注目度の高いものにするための自動手法を提案する。
我々のモデルは、前景および背景画像領域に適用可能な、異なるグローバルパラメトリック変換セットを予測する。
編集により、任意の画像サイズでインタラクティブなレートでの推論が可能になり、簡単に動画に一般化できる。
論文 参考訳（メタデータ） (2020-08-12T16:08:36Z)
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。