論文の概要: MaskFlow: Precise, Consistent and Seamless Regional Image Editing
- arxiv url: http://arxiv.org/abs/2608.06929v1
- Date: Fri, 07 Aug 2026 08:03:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.407172
- Title: MaskFlow: Precise, Consistent and Seamless Regional Image Editing
- Title（参考訳）: MaskFlow: 正確で一貫性があり、シームレスな地域画像編集
- Abstract要約: 本稿では,正確な局所化,一貫した背景保存,シームレスな境界遷移のためのトレーニングフレームワークを提案する。
MaskFlowは、マスクを確率パスとフローマッチングの対象に組み込み、編集可能な領域内で生成を調整し、外部のソースを保存する。
また、マスクベースの画像編集データセットであるMEDataを構築するために、データ合成パイプラインを設計する。
- 参考スコア（独自算出の注目度）: 16.88162067523766
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Regional image editing has attracted considerable attention for its spatial controllability. Although instruction-based and mask-reference-based editing methods can achieve strong semantic alignment, reliable regional control remains challenging, where an edit must be accurately localized and naturally integrated with the preserved context. We propose \textbf{MaskFlow}, a training framework for precise localization, consistent background preservation, and seamless boundary transitions. MaskFlow incorporates the mask into the probability path and flow-matching objective, coordinating generation within the editable region with source preservation outside it. The proposed Soft-Poisson de-seaming module further refines the predicted vector field during both training and sampling to improve the smooth integration of the edited foreground with the preserved background. We also design a data synthesis pipeline to construct MEData, a mask-based image editing dataset for training regional image editing models and facilitating further research. Experiments on natural scenes and infographic images demonstrate consistent improvements over competing methods in both quantitative and qualitative evaluations.
- Abstract（参考訳）: 地域画像編集は空間制御性に大きな注目を集めている。
命令ベースおよびマスク参照ベースの編集手法は強力なセマンティックアライメントを実現することができるが、信頼できる地域制御は依然として困難であり、編集は正確に局所化され、保存されたコンテキストと自然に統合されなければならない。
本稿では,正確な局所化,一貫した背景保存,シームレスな境界遷移のためのトレーニングフレームワークである‘textbf{MaskFlow} を提案する。
MaskFlowは、マスクを確率パスとフローマッチングの対象に組み込み、編集可能な領域内で生成を調整し、外部のソースを保存する。
提案したSoft-Poisson de-seamingモジュールは、トレーニングとサンプリングの間に予測ベクトル場をさらに洗練し、編集された前景と保存された背景とのスムーズな統合を改善する。
我々はまた、地域画像編集モデルのトレーニングとさらなる研究を容易にするマスクベースの画像編集データセットであるMEDataを構築するために、データ合成パイプラインを設計する。
自然のシーンとインフォグラフィック画像の実験は、定量評価と定性評価の両方において競合する手法よりも一貫した改善を示した。
関連論文リスト
- WhereEdit: Mask-aware Local Latent Editing for One-Step Image Editing [16.758428220880734]
ワンステップのテキスト・トゥ・イメージ(T2I)モデルは効率的な画像合成を可能にし、リアルタイム画像編集の新しい機会を提供する。
既存のワンステップ編集手法は意味変換のためのテキストコンディショニングに依存しており、編集すべきテキストの空間的制御が欠如している。
我々は,一段階編集を局所化適応編集として再構成するフレームワークである textbfWhereEdit を提案する。
論文 参考訳（メタデータ） (2026-07-23T03:11:25Z) - SAM-Flow: Source-Anchored Masked Flow for Training-Free Image Editing [11.868477331606911]
SAM-Flowは、ローカライズされたトレーニングフリーの画像編集のための、ソースアンコールされたマスキングフローフレームワークである。
正確なセマンティック編集を実現し、背景保存を大幅に改善する。
スタブルディフュージョン3やFLUXのようなメインストリームのフローマッチングバックボーンと、微調整なしで統合できる。
論文 参考訳（メタデータ） (2026-06-04T14:36:19Z) - Follow-Your-Shape: Shape-Aware Image Editing via Trajectory-Guided Region Control [52.87568958372421]
Follow-Your-Shapeは、トレーニング不要でマスクなしのフレームワークで、オブジェクト形状の正確かつ制御可能な編集をサポートする。
インバージョンとデノナイジングパスのトークン単位の速度差を比較することで,TDM(Torjectory Divergence Map)を算出する。
本手法は、特に大規模な形状変更を必要とするタスクにおいて、優れた編集性と視覚的忠実性を実現する。
論文 参考訳（メタデータ） (2025-08-11T16:10:00Z) - Flux-Sculptor: Text-Driven Rich-Attribute Portrait Editing through Decomposed Spatial Flow Control [24.057959328107387]
Flux-Sculptorは、正確なテキスト駆動のポートレート編集のために設計されたフラックスベースのフレームワークである。
本フレームワークでは,関連する編集領域を正確に識別するための空間ロケータ(PASL)を導入している。
実験により、Flux-Sculptorは、リッチ属性編集や顔情報保存において既存の手法を超越していることが示された。
論文 参考訳（メタデータ） (2025-07-05T10:08:39Z) - CPAM: Context-Preserving Adaptive Manipulation for Zero-Shot Real Image Editing [24.68304617869157]
コンテキスト保存適応マニピュレーション(CPAM)は複雑な非厳密な実画像編集のための新しいフレームワークである。
我々は,オブジェクトと背景を効果的に保存し,独立に制御する自己認識機構を調整した保存適応モジュールを開発した。
また,多様な画像操作作業を簡易に行うためのマスク誘導戦略も導入した。
論文 参考訳（メタデータ） (2025-06-23T09:19:38Z) - DCEdit: Dual-Level Controlled Image Editing via Precisely Localized Semantics [71.78350994830885]
拡散モデルを用いたテキスト誘導画像編集における新しい手法を提案する。
本手法は,視覚的・テキスト的自己注意を用いて横断的意識マップを向上し,編集性能を向上させるための地域的手がかりとして機能する。
提案手法を他のDiTベースのアプローチと完全に比較するため,高解像度画像,長い記述テキスト,実世界の画像,新しいテキスト編集タスクを特徴とするRW-800ベンチマークを構築した。
論文 参考訳（メタデータ） (2025-03-21T02:14:03Z) - PartEdit: Fine-Grained Image Editing using Pre-Trained Diffusion Models [80.98455219375862]
本稿では,事前学習した拡散モデルに基づくオブジェクト部品に対する最初のテキストベースの画像編集手法を提案する。
提案手法は, 利用者の66～90%に好まれる。
論文 参考訳（メタデータ） (2025-02-06T13:08:43Z) - MAG-Edit: Localized Image Editing in Complex Scenarios via Mask-Based
Attention-Adjusted Guidance [28.212908146852197]
我々は,複雑なシナリオにおける局所的な画像編集を可能にする,トレーニング不要な推論ステージ最適化手法であるMAG-Editを開発した。
特に、MAG-Editは2つのマスクベースのクロスアテンション制約を最大化することにより拡散モデルのノイズ潜時特性を最適化する。
論文 参考訳（メタデータ） (2023-12-18T17:55:44Z) - 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) - Region-Aware Diffusion for Zero-shot Text-driven Image Editing [78.58917623854079]
本稿では,エンティティレベルの画像編集のための領域認識拡散モデル(RDM)を提案する。
画像の忠実度と推論速度のバランスをとるために,集中拡散パイプラインを設計する。
その結果、RDMは、視覚的品質、全体的な調和、非編集領域のコンテンツ保存、テキストイメージのセマンティック一貫性において、従来のアプローチよりも優れていた。
論文 参考訳（メタデータ） (2023-02-23T06:20:29Z) - DiffEdit: Diffusion-based semantic image editing with mask guidance [64.555930158319]
DiffEditは、セマンティック画像編集のタスクにテキスト条件付き拡散モデルを利用する方法である。
私たちの主なコントリビューションは、編集が必要な入力画像の領域をハイライトするマスクを自動的に生成できることです。
論文 参考訳（メタデータ） (2022-10-20T17:16:37Z)
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。