論文の概要: Unlocking the Potential of Image Editing via Concept Scaling and Dense Supervision

• arxiv url: http://arxiv.org/abs/2608.16812v1
• Date: Mon, 17 Aug 2026 17:04:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.802338
• Title: Unlocking the Potential of Image Editing via Concept Scaling and Dense Supervision
• Title（参考訳）: 概念スケーリングとDense Supervisionによる画像編集の可能性の解錠
• Abstract要約: 我々は1,000以上の微細な編集概念を特徴とする包括的階層的分類を確立した。 私たちは、1200万の高品質な編集ペアからなる巨大なデータセットであるConceptEdit-12Mを構築します。 本稿では,複数の非干渉概念を単一の画像対に合成する高密度な監督訓練戦略を提案する。
• 参考スコア（独自算出の注目度）: 38.31785674228309
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing image editing frameworks predominantly follow the training paradigm of text-to-image diffusion models. However, extending this paradigm to image editing highlights two inherent discrepancies, specifically, the insufficient attention to edit concept granularity and the training inefficiency caused by sparse supervision signals. To address these issues, we establish a comprehensive hierarchical taxonomy featuring over 1,000 fine-grained edit concepts and build ConceptEdit-12M, a massive dataset of 12 million high-quality editing pairs via an improved synthesis framework. This library-driven approach effectively rectifies the distribution collapse of generated data while ensuring high data fidelity. Furthermore, we propose a dense supervision training strategy that synthesizes multiple non-interfering concepts into single image pairs. By providing richer learning signals, this strategy significantly enhances both training efficiency and overall model performance. Training results validate our strategy, significantly outperforming prior works. Finally, we present ConceptEdit-Bench, a granular evaluation suite designed to diagnose model capabilities across a vast array of real-world scenarios.
• Abstract（参考訳）: 既存の画像編集フレームワークは、主にテキストから画像への拡散モデルの訓練パラダイムに従っている。 しかし、このパラダイムを画像編集に拡張することは、特に概念の粒度を編集する上での注意不足と、疎い監視信号によるトレーニングの非効率性の2つの相違を浮き彫りにしている。 これらの問題に対処するため、1,000以上の微細な編集概念を特徴とする包括的な階層型分類を確立し、改良された合成フレームワークにより、1200万の高品質な編集ペアからなる巨大なデータセットであるConceptEdit-12Mを構築した。 このライブラリ駆動のアプローチは、高データの忠実性を確保しながら、生成されたデータの分散崩壊を効果的に修正する。 さらに,複数の非干渉概念を単一画像対に合成する密集型監視訓練戦略を提案する。 より豊かな学習信号を提供することで、この戦略はトレーニング効率と全体的なモデル性能の両方を大幅に向上させる。 トレーニング結果は我々の戦略を立証し、事前の成果を大幅に上回っている。 最後に,ConceptEdit-Benchを提案する。ConceptEdit-Benchは,多数の実世界のシナリオにまたがるモデル機能の診断を目的とした,粒度評価スイートである。

関連論文リスト

• Towards Generalized Multimodal Homography Estimation [43.13726458321087]
  教師なしと教師なしのホモグラフィー推定法は、精度を高めるために特定のモダリティに合わせて調整された画像対に依存する。 本研究では,1つの入力画像から接地トラスオフセットと不整合な画像ペアを生成する訓練データ合成手法を提案する。 われわれのアプローチでは、画像のペアを様々なテクスチャと色で表現し、その構造情報を保存している。
  論文  参考訳（メタデータ） (2026-03-04T11:35:56Z)
• Training-Free Multi-Concept Image Editing [14.75123947134721]
  Concept Distillation Sampling (CDS)は、ターゲットレスマルチコンセプト画像編集のためのトレーニング不要のフレームワークである。 これは、高度に安定な蒸留バックボーンを統合することによって、従来の手法の言語的ボトルネックを克服する。 本手法は,所望の編集の参照サンプルを必要とせずに,インスタンスの忠実度を保存する。
  論文  参考訳（メタデータ） (2026-02-24T12:27:51Z)
• GloTok: Global Perspective Tokenizer for Image Reconstruction and Generation [51.95701097588426]
  トークン化された特徴のより均一な意味分布をモデル化するために,Global Perspective Tokenizer(GloTok)を導入する。 量子化による再構成誤差を最小限に抑えるために, 微細な細部を復元するために, 残差学習モジュールを提案する。 標準のImageNet-1kベンチマーク実験により,提案手法が最先端の復元性能と生成品質を実現することを確認した。
  論文  参考訳（メタデータ） (2025-11-18T06:40:26Z)
• EditScore: Unlocking Online RL for Image Editing via High-Fidelity Reward Modeling [71.8265422228785]
  強化学習(RL)は有望な解決策を提供するが、画像編集におけるその採用は、高忠実で効率的な報酬信号の欠如によって妨げられている。 我々は、最先端の特殊報酬モデルの開発を中心に、この障壁を克服するための包括的な方法論を提案する。
  論文  参考訳（メタデータ） (2025-09-28T14:28:24Z)
• Inverse-and-Edit: Effective and Fast Image Editing by Cycle Consistency Models [1.9389881806157316]
  本研究では,一貫性モデルを用いた画像のインバージョンを改善する新しいフレームワークを提案する。 本手法では,再設計精度を大幅に向上するサイクル一貫性最適化手法を提案する。 さまざまな画像編集タスクやデータセットに対して,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-06-23T20:34:43Z)
• Uniform Attention Maps: Boosting Image Fidelity in Reconstruction and Editing [66.48853049746123]
  構造的視点から再構築を解析し、従来の横断的注意を一様注意マップに置き換える新しいアプローチを提案する。 本手法は,ノイズ予測時のテキスト条件の変化による歪みを効果的に抑制する。 実験結果から,本手法は高忠実度画像再構成に優れるだけでなく,実際の画像合成や編集のシナリオにも頑健に機能することが示された。
  論文  参考訳（メタデータ） (2024-11-29T12:11:28Z)
• End-to-End Visual Editing with a Generatively Pre-Trained Artist [78.5922562526874]
  対象画像編集の問題として、ソース画像内の領域と、所望の変更を指定したドライバ画像とをブレンドすることを考える。 対象領域のオフザシェルフ画像を拡大することにより編集をシミュレートする自己教師型アプローチを提案する。 我々は、モデルアーキテクチャに他の変更を加えることなく、拡張プロセスの直感的な制御によって異なるブレンディング効果が学習できることを示します。
  論文  参考訳（メタデータ） (2022-05-03T17:59:30Z)
• Learning Deformable Image Registration from Optimization: Perspective, Modules, Bilevel Training and Beyond [62.730497582218284]
  マルチスケールの伝搬により微分同相モデルを最適化する,新しいディープラーニングベースのフレームワークを開発した。 我々は,脳MRIデータにおける画像-アトラス登録,肝CTデータにおける画像-画像登録を含む,3次元ボリュームデータセットにおける画像登録実験の2つのグループを実行する。
  論文  参考訳（メタデータ） (2020-04-30T03:23:45Z)

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。