論文の概要: CopyCat: Improving Fine-Grained Subject Consistency in Subject-to-Image Models within Seconds
- arxiv url: http://arxiv.org/abs/2608.00674v1
- Date: Sat, 01 Aug 2026 13:49:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.854841
- Title: CopyCat: Improving Fine-Grained Subject Consistency in Subject-to-Image Models within Seconds
- Title（参考訳）: CopyCat: 1秒以内の被写体モデルにおける微粒化被写体整合性の改善
- Abstract要約: CopyCatは軽量なモデルリファインメントフレームワークで、わずか数秒で詳細な被写体一貫性を改善する。
DreamBench と XVerseBench の実験では、対象物から対象物までの対象物間の微粒化一貫性が一貫した改善を示した。
- 参考スコア（独自算出の注目度）: 52.84219088497834
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent subject-to-image models have achieved impressive progress in personalized image generation, yet they still struggle to preserve fine-grained subject-specific details. A major reason is the lack of high-quality fine-grained identity supervision: real paired data are expensive to collect, while synthesized training pairs often preserve only coarse subject appearance and fail to capture subtle subject-specific details. In this work, we propose CopyCat, a lightweight model-refinement framework that improves fine-grained subject consistency within only a few seconds. CopyCat performs a one-time refinement of a pretrained subject-to-image model by attaching a lightweight Fine-grained Consistency LoRA (FCLoRA) and optimizing it using a single proxy image, which is used as both the conditioning image and the reconstruction target. This exact self-reconstruction objective substantially simplifies the optimization task, enabling effective fine-grained refinement within only a few seconds. The refinement is performed only once; the resulting model can be directly applied to diverse unseen reference subjects and prompts without further subject-specific optimization. We further revisit subject-to-image LoRA training in double-stream diffusion transformers and find that adapting only the visual stream consistently improves subject consistency. Extensive experiments on DreamBench and XVerseBench demonstrate consistent improvements in fine-grained subject consistency across representative subject-to-image models under both single- and multi-subject settings.
- Abstract（参考訳）: 最近の被写体画像モデルは、パーソナライズされた画像生成において目覚ましい進歩を遂げている。
真のペアデータ収集は高価であり、合成されたトレーニングペアは粗い被写体だけを保存し、微妙な被写体の詳細を捉えないことが多い。
本研究では,数秒で微粒な対象整合性を改善する軽量なモデルリファインメントフレームワークであるCopyCatを提案する。
CopyCatは、軽量な細粒度一貫性ロラ(FCLoRA)を付加し、コンディショニング画像とリコンストラクションターゲットの両方として使用される単一のプロキシ画像を用いてそれを最適化することにより、事前訓練対象画像モデルの1回の改善を行う。
この厳密な自己再構成目的は最適化作業を大幅に単純化し、わずか数秒で有効な微細化を可能にする。
改良は1回だけ行われ、結果として得られたモデルは、様々な未確認の参照対象に直接適用でき、さらに主題固有の最適化をすることなく、プロンプトを行うことができる。
さらに、両ストリーム拡散変換器における被写体対イメージのLoRAトレーニングを再検討し、視覚ストリームのみを適応させることにより、被写体一貫性が一貫して向上することを見出した。
DreamBench と XVerseBench の広範囲にわたる実験は、単目的と多目的の両方の条件下で、対象物間の代表対象物間の微粒化一貫性が一貫した改善を示した。
関連論文リスト
- Universal Image Restoration via Internalized Chain-of-Thought Reasoning [52.763760468548504]
画像復元は、劣化した入力から高品質なイメージを復元しようとするが、複雑な混合劣化の下で非常に悪影響を及ぼす。
最近の研究は、特別なモジュールを用いた複数ラウンドの復元のためのChain-of-Thought (CoT)推論を採用する。
CoTIRは,単一モデル内でCoT推論を内部化する汎用画像復元フレームワークである。
論文 参考訳（メタデータ） (2026-06-16T06:01:36Z) - Edit2Restore:Few-Shot Image Restoration via Parameter-Efficient Adaptation of Pre-trained Editing Models [4.573600918393017]
テキスト条件付き画像編集モデルでは,複数の復元作業に効率よく適応できることを示す。
FLUX.1 Kontextは画像から画像への変換のための12Bパラメータフローマッチングモデルである。
論文 参考訳（メタデータ） (2026-01-06T19:56:16Z) - From Wardrobe to Canvas: Wardrobe Polyptych LoRA for Part-level Controllable Human Image Generation [44.46447676191666]
パーソナライズされた画像生成のための制御可能な部分レベル制御モデルであるWardrobe Polyptych LoRAを提案する。
提案手法は,LoRA層のみをトレーニングすることにより,未知の被写体の高忠実性合成を確保しつつ,推論時の計算負担を軽減する。
提案手法は, 忠実度と整合性において既存の技術よりも優れ, 現実的かつアイデンティティを保ったフルボディ合成を実現する。
論文 参考訳（メタデータ） (2025-07-14T12:34:25Z) - Single Image Iterative Subject-driven Generation and Editing [40.285860652338506]
SISOは、トレーニングなしで単一の画像から画像の生成と編集をパーソナライズするための、トレーニング不要なアプローチである。
SISOは、与えられた被写体画像との類似性の喪失に基づいて、画像を反復的に生成し、モデルを最適化する。
画像品質, 被写体忠実度, 背景保存における既存手法の大幅な改善を示す。
論文 参考訳（メタデータ） (2025-03-20T10:45:04Z) - EZIGen: Enhancing zero-shot personalized image generation with precise subject encoding and decoupled guidance [20.430259028981094]
ゼロショットパーソナライズされた画像生成モデルは、与えられたテキストプロンプトと被写体画像の両方に一致した画像を作成することを目的としている。
既存の手法では、細かな被写体の詳細を捉えるのに苦労することが多く、一方のガイダンスを他方よりも優先することが多い。
EZIGenは、固定トレーニング済みのDiffusion UNet自体を主題エンコーダとして活用する。
論文 参考訳（メタデータ） (2024-09-12T14:44:45Z) - Is Synthetic Image Useful for Transfer Learning? An Investigation into Data Generation, Volume, and Utilization [62.157627519792946]
ブリッジドトランスファー(ブリッジドトランスファー)と呼ばれる新しいフレームワークを導入する。このフレームワークは、当初、トレーニング済みモデルの微調整に合成画像を使用し、転送性を向上させる。
合成画像と実画像のスタイルアライメントを改善するために,データセットスタイルの逆変換方式を提案する。
提案手法は10の異なるデータセットと5つの異なるモデルで評価され、一貫した改善が示されている。
論文 参考訳（メタデータ） (2024-03-28T22:25:05Z) - Exposure Bracketing Is All You Need For A High-Quality Image [50.822601495422916]
マルチ露光画像は、デノイング、デブロアリング、高ダイナミックレンジイメージング、超解像において相補的である。
本研究では,これらの課題を組み合わせ,高品質な画像を得るために露光ブラケット写真を活用することを提案する。
特に時間変調リカレントネットワーク(TMRNet)と自己教師あり適応手法を提案する。
論文 参考訳（メタデータ） (2024-01-01T14:14:35Z) - Separate-and-Enhance: Compositional Finetuning for Text2Image Diffusion
Models [58.46926334842161]
この研究は、注意力の低いアクティベーションスコアとマスクオーバーラップに関連する問題を指摘し、このような不一致の根本的な理由を照らしている。
本稿では,物体マスクの重なりを低減し,注目度を最大化する2つの新しい目的,分離損失とエンハンス損失を提案する。
提案手法は従来のテスト時間適応手法と異なり,拡張性と一般化性を高める重要なパラメータの微調整に重点を置いている。
論文 参考訳（メタデータ） (2023-12-10T22:07:42Z) - Diversified in-domain synthesis with efficient fine-tuning for few-shot
classification [64.86872227580866]
画像分類は,クラスごとのラベル付き例の小さなセットのみを用いて,画像分類器の学習を目的としている。
合成データを用いた数ショット学習における一般化問題に対処する新しいアプローチである DisEF を提案する。
提案手法を10種類のベンチマークで検証し,ベースラインを一貫して上回り,数ショット分類のための新しい最先端の手法を確立した。
論文 参考訳（メタデータ） (2023-12-05T17:18:09Z) - ReGeneration Learning of Diffusion Models with Rich Prompts for
Zero-Shot Image Translation [8.803251014279502]
大規模なテキスト・ツー・イメージモデルは、多彩で高忠実な画像を合成する素晴らしい能力を示した。
現在のモデルでは、編集プロセス中に元の画像の内容に大きな変更を加えることができる。
画像と画像の拡散モデル(ReDiffuser)における再生学習を提案する。
論文 参考訳（メタデータ） (2023-05-08T12:08:12Z) - Robust Single Image Dehazing Based on Consistent and Contrast-Assisted
Reconstruction [95.5735805072852]
画像復調モデルのロバスト性を改善するための新しい密度変分学習フレームワークを提案する。
具体的には、デハジングネットワークは、一貫性の規則化されたフレームワークの下で最適化されている。
我々の手法は最先端のアプローチを大きく上回っている。
論文 参考訳（メタデータ） (2022-03-29T08:11:04Z)
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。