論文の概要: Domain-Grounded Candidate Selection for Agentic Image Editing: A Shadow Removal Case

• arxiv url: http://arxiv.org/abs/2608.06075v1
• Date: Thu, 06 Aug 2026 14:19:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.773615
• Title: Domain-Grounded Candidate Selection for Agentic Image Editing: A Shadow Removal Case
• Title（参考訳）: エージェント画像編集のための領域別候補選択:陰影除去症例
• Abstract要約: 商用の視覚言語モデルはコンピュータビジョンを変形させており、タスク固有のシステムに匹敵するほど広範である。 これは、古典的で物理学的な低レベルのビジョンの必要性を減らすことができるのか、という自然な疑問を提起する。 本研究では,シーン幾何学,照明,材料,咬合器などによって形成される課題である影の除去を通じてこれを研究する。 直接使用する商用生成エディタは,表面テクスチャと局所的な外観を保存したクリーンな影のない編集を作成できることがわかった。 同じエディターがシーンコンテンツを再生したり、幻覚的なオブジェクトを再生したり、シャドウを素材として読み間違えたりできる。
• 参考スコア（独自算出の注目度）: 48.30051606459974
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Commercial vision-language models are reshaping computer vision, with visual priors broad enough to rival task-specific systems. This raises a natural question: do they reduce the need for classic, physics-informed low-level vision? We study this through shadow removal, a problem shaped by scene geometry, illumination, materials, and occluders, where paired shadow and shadow-free data are hard to collect at scale. We find that a commercial generative editor, used directly, can produce clean shadow-free edits that preserve surface texture and local appearance. However, this comes with a new failure mode: the same editor can regenerate scene content, hallucinate objects, or misread a shadow as material or geometry, producing plausible but physically wrong edits. We address this with an agentic candidate-selection pipeline: the editor generates a guided probe, an evaluator screens for major failures, retries when needed, samples multiple candidates, filters them, and selects a final result balancing shadow removal against scene preservation. Grounding this process in shadow-formation physics makes it more reliable: prompting the generator and evaluator to treat shadows as illumination effects caused by light occlusion, not material or object structure, measurably improves quality and consistency. On the ShadowRemovalRefine benchmark, our physics-oriented pipeline achieves a CDD of 0.0075, reducing CDD by at least 47% over the strongest prior method. These results suggest that commercial vision-language models do not replace classic low-level vision priors; instead, such priors remain useful for constraining and steering physically underconstrained generation.
• Abstract（参考訳）: 商用の視覚言語モデルはコンピュータビジョンを変形させており、タスク固有のシステムに匹敵するほど広範である。 これは、古典的で物理学的な低レベルのビジョンの必要性を減らすことができるのか、という自然な疑問を提起する。 陰影と陰影のない2つのデータを大規模に収集することが困難であるシーン幾何学,照明,材料,障害物によって形成される問題である陰影除去を用いてこれを研究する。 直接使用する商用生成エディタは,表面テクスチャと局所的な外観を保存したクリーンな影のない編集を作成できることがわかった。 同一のエディターがシーンのコンテンツを再生したり、幻覚的なオブジェクトを再生したり、影を素材や幾何学として読み間違えたりすることで、もっともらしいが物理的に間違った編集を生成できる。 編集者は、ガイド付きプローブを生成し、大きな障害に対する評価画面を作成し、必要に応じて再試行を行い、複数の候補をサンプリングし、それらをフィルタリングし、シーン保存に対してシャドウ除去のバランスをとる最終的な結果を選択する。 ジェネレータと評価器は、物質や物体の構造ではなく、光の閉塞によって生じる照明効果としてシャドウを治療し、品質と一貫性を測定できる。 ShadowRemovalRefineベンチマークでは、我々の物理指向パイプラインは0.0075のCDDを実現し、最強の先行手法よりも少なくとも47%のCDDを削減した。 これらの結果は、商用の視覚言語モデルは、古典的な低レベル視覚を置き換えるものではないことを示唆し、その代わりに、そのような事前は、物理的に制約の少ない世代を制約したり、操ったりするのに有用である。

関連論文リスト

• Joint Shadow Generation and Relighting via Light-Geometry Interaction Maps [51.82696819319878]
  単分子深度から光を識別する新しい表現である光幾何相互作用マップを提案する。 LGIは、オフザシェルフ2.5D深度マップ予測から計算された、確実かつ正確に光と影の相互作用をキャプチャする。 LGIをブリッジマッチングした生成バックボーンに埋め込むことで、曖昧さを低減し、物理的に一貫した光陰性推論を強制する。
  論文  参考訳（メタデータ） (2026-02-25T11:47:26Z)
• Controllable Shadow Generation with Single-Step Diffusion Models from Synthetic Data [7.380444448047908]
  本研究では,2次元オブジェクト画像の高速・制御可能・背景自由影生成のための新しい手法を提案する。 我々は3Dレンダリングエンジンを用いて大規模な合成データセットを作成し、制御可能なシャドウ生成のための拡散モデルを訓練する。 修正フローの目的は, リアルタイムアプリケーションを実現する1つのサンプリングステップで, 高品質な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2024-12-16T16:55:22Z)
• MetaShadow: Object-Centered Shadow Detection, Removal, and Synthesis [64.00425120075045]
  シャドウは画像編集アプリケーションでは過小評価されるか無視されることが多く、編集結果のリアリズムが制限される。 本稿では,自然画像中の影の検出・除去・制御が可能な3-in-one多元性フレームワークであるMetaShadowを紹介する。
  論文  参考訳（メタデータ） (2024-12-03T18:04:42Z)
• Gaussian Shadow Casting for Neural Characters [20.78790953284832]
  本稿では,サンプリングを単純な解析式に置き換えたガウス密度プロキシを用いた新しい影モデルを提案する。 動的運動をサポートし、シャドウ計算用に調整されているため、近縁なガウススプラッティングで必要とされるアフィン射影近似やソートを避けることができる。 我々は、直射日光と硬い影を持つ屋外の挑戦シーンにおいて、アルベド、シェーディング、シャドウの分離性を向上し、改良された再構築を実演した。
  論文  参考訳（メタデータ） (2024-01-11T18:50:31Z)
• ShaDocNet: Learning Spatial-Aware Tokens in Transformer for Document Shadow Removal [53.01990632289937]
  本稿では,文書陰影除去のためのトランスフォーマーモデルを提案する。 シャドウとシャドウフリーの両方の領域で、シャドウコンテキストエンコーディングとデコードを使用する。
  論文  参考訳（メタデータ） (2022-11-30T01:46:29Z)
• Controllable Shadow Generation Using Pixel Height Maps [58.59256060452418]
  物理ベースのシャドウレンダリング法は3次元のジオメトリーを必要とするが、必ずしも利用できない。 深層学習に基づく影合成法は、光情報から物体の影へのマッピングを、影の幾何学を明示的にモデル化することなく学習する。 オブジェクト,グラウンド,カメラのポーズ間の相関を符号化する新しい幾何学的表現であるピクセルハイを導入する。
  論文  参考訳（メタデータ） (2022-07-12T08:29:51Z)
• Self-supervised Outdoor Scene Relighting [92.20785788740407]
  本稿では, 自己指導型リライティング手法を提案する。 当社のアプローチは,ユーザの監督なしにインターネットから収集した画像のコーパスのみに基づいて訓練されている。 以上の結果から,写実的かつ物理的に妥当な結果を生成できる技術が,見えない場面に一般化できることが示唆された。
  論文  参考訳（メタデータ） (2021-07-07T09:46:19Z)
• Learning from Synthetic Shadows for Shadow Detection and Removal [43.53464469097872]
  最近のシャドウ除去は、実対のシャドウ/シャドウフリーまたはシャドウ/シャドウ/マスクイメージデータセット上のすべてのトレイン畳み込みニューラルネットワーク(CNN)にアプローチしている。 今回紹介するSynShadowは、新しい大規模合成影/影なし/マット画像トリプレットデータセットと合成パイプラインである。
  論文  参考訳（メタデータ） (2021-01-05T18:56:34Z)
• No Shadow Left Behind: Removing Objects and their Shadows using Approximate Lighting and Geometry [13.308013245268253]
  現在の塗り絵ベースのメソッドは、オブジェクト自体を削除し、影を残します。 我々は,キャスターとともに影を取り除くための深層学習パイプラインを導入する。 パイプラインを合成レンダリングデータでトレーニングし、合成シーンと実際のシーンの両方で質的および定量的な結果を示します。
  論文  参考訳（メタデータ） (2020-12-19T01:05:40Z)

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。