論文の概要: PRISM: Distribution-Gated Flow Matching for Controllable Unpaired Image Translation

• arxiv url: http://arxiv.org/abs/2608.06240v1
• Date: Thu, 06 Aug 2026 16:26:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.962758
• Title: PRISM: Distribution-Gated Flow Matching for Controllable Unpaired Image Translation
• Title（参考訳）: PRISM:制御不能な画像翻訳のための分散ゲートフローマッチング
• Abstract要約: PRISMは、未ペア画像から画像への変換のためのフローマッチングフレームワークである。 ゲートの空間的先行は、各ソース特徴の標準化された距離とターゲット特徴分布から導かれる。 ゲートはテキストや検出器からの推測で局所的にオーバーライドできるが、再トレーニングはできない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unpaired image-to-image translation must decide, per image, what to change and what to preserve without paired supervision. Many diffusion-based unpaired translators control preservation through a single global noise or guidance value applied across the image, which cannot separate content to keep from appearance to change. We present PRISM, a GAN-free flow-matching framework that replaces this global control with a learned per-feature gate. The gate's spatial prior is derived from each source feature's standardized distance to the target feature distribution, so features far from the target are freed while target-consistent features are preserved. The same gate controls both the initialization, which mixes the real source latent with a task-matched corruption, and the transport timing during Ordinary Differential Equation (ODE) integration. The corruption is matched to the task, content-anchored (AdaIN) for structure-preserving translation and partially anchored for structure-changing translation, and the gate can be overridden locally at inference from text or a detector without retraining, preserving important structures of the original image while still generating realistic results. We evaluate PRISM on five natural and biomedical benchmarks (AFHQ cat->dog, CelebA-HQ appearance translation, day->night relighting, virtual staining, and breast frozen->permanent histopathology). Among the evaluated methods under a shared same-split protocol, PRISM attains the best Inception FID and KID on four benchmarks and a competitive result on the fifth, and on histopathology yields the nuclei-count ratio closest to the ideal, supporting a favorable balance between target realism and structural preservation.
• Abstract（参考訳）: 未完成のイメージ・ツー・イメージの翻訳は、イメージごとに、何を変更するか、何を保存するかを、ペアの監督なしに決めなければならない。 多くの拡散型不対流トランスレータは、画像全体に適用される単一の大域的ノイズや誘導値を通じて保存を制御し、外見から変化までコンテンツを切り離すことはできない。 我々は,このグローバルコントロールを学習単位のゲートで置き換える,GANフリーなフローマッチングフレームワークであるPRISMを提案する。 ゲートの空間先行は、各ソース特徴の標準化された距離と目標特徴分布とから導かれるので、目標から遠くにある特徴は解放され、目標に一貫性のある特徴は保存される。 同じゲートは、実際のソースラテントとタスクマッチングされた汚職を混ぜた初期化と、通常微分方程式(ODE)統合時の輸送タイミングの両方を制御する。 破損は、構造保存翻訳のための内容アンコール(AdaIN)と一致し、構造変更翻訳のために部分的に固定され、ゲートは、テキストや検出器からの推論で、再トレーニングすることなく局所的にオーバーライドでき、元の画像の重要な構造を保存でき、しかも、現実的な結果を生み出すことができる。 PRISMを5つの自然・生物医学的指標(AFHQ cat->dog, CelebA-HQ appearance translation, day->night relighting, virtual staining, breast frozen->permanent histopathology)で評価した。 PRISMは4つのベンチマークで最高のインセプションFIDとKIDを、そして5番目のベンチマークで競争結果を得るとともに、組織学的には理想に最も近い核数比を出力し、ターゲットリアリズムと構造保存のバランスを良好に維持する。

関連論文リスト

• Balancing Emotional Alignment and Semantic Consistency in Image Generation via Reinforcement Learning with Valence-Arousal Anchoring [55.57242007016976]
  テキスト・ツー・イメージ生成における継続的な感情制御は、プロンプトによって記述されたオブジェクトやレイアウト、シーンを変更することなく、感情的アライメントを改善するモデルを必要とする。 既存の教師付き感情注入法は、しばしば特徴空間プロキシを最適化し、したがって感情のセマンティックドリフトを示す。 本稿では,連続的原子価覚醒条件設定,グループ相対ポリシー最適化,中立的セマンティックアンカーを組み合わせたフローマッチング画像生成フレームワークを用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2026-09-11T13:24:35Z)
• Discrete Diffusion Bridges for Spatiotemporally Aligned Image Translation and Generation [44.1310706833305]
  DDBは、画像翻訳と生成における標準離散拡散の基本的な相違を解決するために設計されたフレームワークである。 マスクとソーストークンの混合に状態を吸収するハイブリッド吸収機構を導入し,空間アンカーとして空間空間に効率的にソースを注入する。 さまざまな生成パラダイムにわたるフレームワークの汎用性と堅牢性を検証する実験。
  論文  参考訳（メタデータ） (2026-08-30T19:44:38Z)
• Where the Cost Falls: A Deployment-Aware Adoption Order for Stability Enhancements to Cycle-Consistent Adversarial Networks [0.0]
  未ペア画像-画像間翻訳のためのサイクル一貫性のある対向ネットワークは、同じ障害を満たす。 4つの拡張はこれらの障害に対処し、通常は出力品質だけで比較される。 また、コストの落ち方によって大きく分割し、この分割によって、計算やレイテンシーの予算の下で、チームに採用の順序が与えられることも示しています。
  論文  参考訳（メタデータ） (2026-08-14T18:29:05Z)
• Source-Agnostic Image Translation Based on Latent Aware Adaptive Masking [2.0673681624647844]
  本稿では,逆拡散過程を通じて二項マスクを動的に洗練する情報源に依存しないフレームワークを提案する。 本手法では,経験的平均値と予測誤差の標準偏差から得られた時間依存統計的しきい値決定手法を提案する。 本手法は, 各種ソース分布の高精度かつ自動的ローカライゼーションとシームレスな翻訳を, 特別な訓練を伴わずに実現している。
  論文  参考訳（メタデータ） (2026-08-14T07:51:40Z)
• LCPNet: Latent Consistent Proximal Unfolding Network for Infrared Small Target Detection [50.3892176822492]
  赤外線小目標検出(IRSTD)は、複雑な赤外背景から長距離小目標を特定することを目的としている。 深層学習法は、識別的画像-マスクマッピングを学習することでIRSTDを改善した。 深層展開法は、モデル駆動イテレーションをニューラルネットワークに埋め込むことによって、この問題に部分的に対処する。 これらの制約に対処するために,Latent Consistent Proximal Unfolding Network (LCPNet)を提案する。
  論文  参考訳（メタデータ） (2026-07-06T02:15:09Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• StyleShield: Exposing the Fragility of AIGC Detectors through Continuous Controllable Style Transfer [0.06768558752130312]
  StyleShieldは条件付きテキストスタイル転送のための最初のフローマッチングフレームワークである。 本稿では、任意の値に検出レートの検証を設定できる文書レベルのスケジューリングアルゴリズムであるRateAuditを紹介する。
  論文  参考訳（メタデータ） (2026-04-30T18:24:31Z)
• Contrastive Denoising Score for Text-guided Latent Diffusion Image Editing [58.48890547818074]
  潜在拡散モデル(LDM)に対するコントラストデノナイジングスコア(CUT)の強力な修正を提案する。 提案手法により,ゼロショット画像から画像への変換とニューラルフィールド(NeRF)の編集が可能となり,入力と出力の間の構造的対応が達成される。
  論文  参考訳（メタデータ） (2023-11-30T15:06:10Z)
• Masked Discriminators for Content-Consistent Unpaired Image-to-Image Translation [1.3654846342364308]
  画像から画像への変換の欠如の共通のゴールは、ソース画像と翻訳画像の間のコンテンツ一貫性を維持することである。 コンテンツベースのマスクを用いて、両領域のグローバル識別器の入力をマスキングすることは、コンテンツの不整合を著しく低減するのに十分であることを示す。 実験により,本手法は,光現実的シミュレーショナル翻訳と気象翻訳において,最先端の性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2023-09-22T21:32:07Z)
• Conditional Score Guidance for Text-Driven Image-to-Image Translation [52.73564644268749]
  本稿では,事前訓練されたテキスト・画像拡散モデルに基づく,テキスト駆動型画像・画像変換のための新しいアルゴリズムを提案する。 本手法は,ソース画像の関心領域を選択的に編集することで,対象画像を生成することを目的とする。
  論文  参考訳（メタデータ） (2023-05-29T10:48:34Z)
• Attentive Continuous Generative Self-training for Unsupervised Domain Adaptive Medical Image Translation [12.080054869408213]
  本研究では,連続的な値予測と回帰目標を用いた領域適応型画像翻訳のための自己学習フレームワークを開発した。 我々は,T1-重み付きMR-屈折異方性変換を含む2つの対象間翻訳タスクの枠組みについて検討した。
  論文  参考訳（メタデータ） (2023-05-23T23:57:44Z)
• Global and Local Alignment Networks for Unpaired Image-to-Image Translation [170.08142745705575]
  未ペア画像から画像への変換の目的は、対象領域のスタイルを反映した出力画像を作成することである。 既存の手法では内容変化に注意が払われていないため、ソース画像からの意味情報は翻訳中の劣化に悩まされる。 我々はGLA-Net(Global and Local Alignment Networks)という新しいアプローチを導入する。 本手法は既存の手法よりもシャープでリアルな画像を効果的に生成する。
  論文  参考訳（メタデータ） (2021-11-19T18:01:54Z)
• Bi-level Feature Alignment for Versatile Image Translation and Manipulation [88.5915443957795]
  GAN(Generative Adversarial Network)は画像翻訳と操作において大きな成功を収めている。 忠実なスタイル制御を備えた高忠実な画像生成は、コンピュータビジョンにおいて依然として大きな課題である。 本稿では,高精度なセマンティック・スタイル・ガイダンスを実現する多機能な画像翻訳・操作フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-07T05:26:29Z)
• Label-Driven Reconstruction for Domain Adaptation in Semantic Segmentation [43.09068177612067]
  教師なしのドメイン適応は、セマンティックセグメンテーションにおけるピクセルワイズアノテーションの必要性を軽減することができる。 最も一般的な戦略の1つは、ソースドメインからターゲットドメインに画像を変換し、敵対学習を用いて特徴空間内の限界分布を調整することである。 本稿では、画像翻訳バイアスを緩和し、ドメイン間機能を同じカテゴリに整合させる革新的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-10T10:06:35Z)

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。