論文の概要: GenRouter: Unified Workflow Routing for Agentic Image Generation
- arxiv url: http://arxiv.org/abs/2608.16721v1
- Date: Mon, 17 Aug 2026 15:36:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.783236
- Title: GenRouter: Unified Workflow Routing for Agentic Image Generation
- Title（参考訳）: GenRouter: エージェントイメージ生成のための統一ワークフロールーティング
- Abstract要約: 我々は、エージェント画像生成のための最初の統合ワークフロールーティングフレームワークGenCanvasを紹介する。
Genは、重厚なパイプラインと比較して、実行コストを95%以上、かつ65%以上削減しながら、優れた視覚アライメントを実現している。
システムは蓄積された経験を通じて継続的に自己進化し、堅牢なゼロショットの一般化を可能にし、パフォーマンスを高め、計算オーバーヘッドを半減させる。
- 参考スコア（独自算出の注目度）: 28.956890449336456
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid evolution of text-to-image (T2I) generation models has effectively solved the foundational challenge of raw pixel synthesis, shifting the community's focus toward fulfilling increasingly intricate user requests. While recent agentic image generation workflows enhance static inference with advanced capabilities like external knowledge retrieval and iterative reasoning, they mostly operate in isolated silos with fixed ``one-size-fits-all" topologies. This inevitably leads to severe compute-mismatch, where simple queries are forced through computationally heavy pipelines. To bridge this gap, we present GenRouter, the first unified workflow routing framework for agentic image generation. We first formulate GenCanvas, standardizing diverse agentic pipelines into a universal set of foundational primitives and executable templates. Operating over this unified space, GenRouter adaptively routes heterogeneous prompts to their optimal workflows via (i) demand profiling, (ii) experience matching, and (iii) Pareto filtering. Extensive experiments across diverse benchmarks demonstrate that GenRouter achieves superior visual alignment while reducing execution costs by over 95% and latency by 65% compared to heavyweight static pipelines. Furthermore, the system continuously self-evolves via accumulated experience, enabling robust zero-shot generalization that boosts performance and halves computational overhead.
- Abstract（参考訳）: テキスト・ツー・イメージ(T2I)生成モデルの急速な進化は、生のピクセル合成の根本的な課題を効果的に解決し、ますます複雑化するユーザ要求へのコミュニティの焦点をシフトさせた。
最近のエージェント画像生成ワークフローでは、外部知識検索や反復推論といった高度な機能を備えた静的推論が強化されているが、それらは主に、‘単サイズにフィットする’トポロジを固定した独立したサイロで運用されている。
これは必然的に深刻な計算ミスマッチを引き起こし、単純なクエリは計算量の多いパイプラインによって強制される。
このギャップを埋めるために、エージェント画像生成のための最初の統合ワークフロールーティングフレームワークであるGenRouterを紹介する。
我々はまずGenCanvasを定式化し、多様なエージェントパイプラインを基本プリミティブと実行可能なテンプレートの普遍的なセットに標準化する。
この統一された空間上で運用するGenRouterは、異種プロンプトを最適なワークフローに適応的にルーティングする。
(i)需要プロファイル
(二)マッチングの経験、及び
(三)パレートろ過
さまざまなベンチマークにわたる大規模な実験により、GenRouterは、重い静的パイプラインと比較して、実行コストを95%以上削減し、レイテンシを65%削減しながら、優れたビジュアルアライメントを実現している。
さらに、システムは蓄積された経験を通じて継続的に自己進化し、堅牢なゼロショットの一般化を可能にし、パフォーマンスを高め、計算オーバーヘッドを半減させる。
関連論文リスト
- CoStream: Composing Simple Behaviors for Generalizable Complex Manipulation [61.25264898597319]
複雑な操作能力は、単純で独立した振る舞いの合成から自然に現れることを示す。
基礎モデルと多種多様な感覚モダリティを複数の構成可能なコア動作に編成するフレームワークであるCoStreamを提案する。
我々は,日常的な操作や高精度なアセンブリにまたがる8つの実世界のタスクについて,CoStreamを実証する。
論文 参考訳（メタデータ） (2026-06-24T22:25:19Z) - InterleaveThinker: Reinforcing Agentic Interleaved Generation [37.528182608182554]
我々はInterleaveThinkerを紹介した。InterleaveThinkerは、インターリーブ生成機能を備えた既存のイメージジェネレータをサポートするように設計された最初のマルチエージェントパイプラインである。
具体的には、イメージテキスト入力シーケンスを整理するためにプランナーエージェントを使用し、各ステップで必要な実行をイメージジェネレータに指示する。
次に, 発電機の出力を評価し, 計画された指示から逸脱するサンプルを同定し, 再生指示を洗練するための批判エージェントを紹介する。
論文 参考訳（メタデータ） (2026-06-11T17:59:50Z) - Disentangling Generation and Regression in Stochastic Interpolants for Controllable Image Restoration [30.480465453951982]
DiSIは、Interpolantプロセスを独立した生成および回帰コンポーネントに分離する統合フレームワークである。
本研究では,DiSIが画像復元タスクにおいて効率よく競合する結果を得ると同時に,単一モデル内での歪み知覚トレードオフを制御するための予測時間の柔軟性を独自に提供することを示す。
論文 参考訳（メタデータ） (2026-05-20T16:41:32Z) - Improving Image-to-Image Translation via a Rectified Flow Reformulation [6.198298884034955]
Image-to-Image Rectified Flow Reformulationは、標準I2I回帰ネットワークを連続時間輸送モデルとして再キャストする。
提案手法は, チャネルワイド結合によるバックボーン入力を, グランドトラスターゲットのノイズ破損バージョンに拡張する。
論文 参考訳（メタデータ） (2026-03-20T17:59:03Z) - GenAgent: Scaling Text-to-Image Generation via Agentic Multimodal Reasoning [54.42973725693]
我々は,エージェント型マルチモーダルモデルを用いて,視覚的理解と生成を統一したGenAgentを導入する。
GenAgentはGenEval++とWISEのベースジェネレータ(FLUX.1-dev)のパフォーマンスを大幅に向上させる。
本フレームワークは,1) 様々な機能を持つジェネレータへのクロスツール一般化,2) インタラクションラウンド間で一貫した改善を伴うテスト時間スケーリング,3) タスクに自動的に適応するタスク適応推論の3つの重要な特性を示す。
論文 参考訳（メタデータ） (2026-01-26T14:49:04Z) - AgentRouter: A Knowledge-Graph-Guided LLM Router for Collaborative Multi-Agent Question Answering [51.07491603393163]
tAgentは知識グラフ誘導ルーティング問題としてマルチエージェントQAを定式化するフレームワークである。
エージェントアウトプットのソフトな監督と重み付けされた集約を活用することで、エージェントは多様なエージェントの相補的な強みを捉える、原則化された協調スキームを学ぶ。
論文 参考訳（メタデータ） (2025-10-06T23:20:49Z) - Improving Progressive Generation with Decomposable Flow Matching [50.63174319509629]
Decomposable Flow Matching (DFM)は、ビジュアルメディアのプログレッシブな生成のためのシンプルで効果的なフレームワークである。
Imagenet-1k 512pxでは、DFMはベースアーキテクチャよりも35.2%改善され、ベースラインは26.4%向上した。
論文 参考訳（メタデータ） (2025-06-24T17:58:02Z) - Policy Optimized Text-to-Image Pipeline Design [73.9633527029941]
本稿では,テキスト・ツー・イメージ生成のための新しい強化学習フレームワークを提案する。
提案手法は、まず、画像品質のスコアをインタプリタ-ワークフローの組み合わせから直接予測できる報奨モデルのアンサンブルを訓練する。
次に、最初の語彙学習とGRPOに基づく最適化という2段階のトレーニング戦略を実装した。
論文 参考訳（メタデータ） (2025-05-27T17:50:47Z) - Steering Rectified Flow Models in the Vector Field for Controlled Image Generation [53.965218831845995]
拡散モデル(DM)は、フォトリアリズム、画像編集、逆問題解決に優れ、分類器なしのガイダンスと画像反転技術によって支援される。
既存のDMベースの手法は、しばしば追加のトレーニングを必要とし、事前訓練された潜在モデルへの一般化が欠如し、ODEソルバと反転プロセスによる広範なバックプロパゲーションにより、計算資源が要求される。
本研究では,ベクトル場を利用した画像生成タスクのデノイング軌道の制御を行うFlowChefを提案する。
FlowChefは、パフォーマンス、メモリ、時間要件の点でベースラインを大幅に上回り、新しい状態を達成する。
論文 参考訳（メタデータ） (2024-11-27T19:04:40Z)
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。