論文の概要: Scale-Separated Conditioning for Style-Encoder-Free Diffusion Stylization

• arxiv url: http://arxiv.org/abs/2608.19719v1
• Date: Thu, 20 Aug 2026 07:17:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.48106
• Title: Scale-Separated Conditioning for Style-Encoder-Free Diffusion Stylization
• Title（参考訳）: スタイルエンコーダフリー拡散スチル化のためのスケール分離条件
• Abstract要約: 拡散トランスのためのスタイルエンコーダフリーコンディショニングフレームワークを提案する。 スタイルエンコーダフリースチル化(SEFS)は、単一の訓練画像の低解像度の作物からスタイルトークンを形成する。 芸術的スタイリゼーションベンチマークでは、SEFSはコンテンツの一貫性とリーク診断を改善している。
• 参考スコア（独自算出の注目度）: 12.40744753451573
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reference-based diffusion stylization requires separating target geometry from transferable appearance. Existing tuning-based methods often rely on aligned content-style-target triplets or auxiliary visual encoders, which increases data cost and can transfer unintended scene structure from the style reference. We propose SEFS (Style-Encoder-Free Stylization), a style-encoder-free conditioning framework for diffusion transformers. SEFS forms style tokens from stochastic low-resolution crops of single training images. This crop bottleneck preserves local appearance statistics such as palette, stroke, texture, and material, while reducing access to global layout cues. Target content is encoded by edge and segmentation cues and fused with the noisy latent through parameter-efficient trainable projections. We add style-to-denoising re-normalization for token-statistic alignment and cross-block skip fusion for spatial detail. SEFS trains on unpaired single images; the frozen diffusion VAE is used only to place image conditions in the latent space. On artistic stylization benchmarks, SEFS improves content consistency and leakage diagnostics while retaining reference-style affinity, and ablations support the crop-resolution, re-normalization, and skip-fusion choices. The code of SEFS will be made publicly available.
• Abstract（参考訳）: 参照ベースの拡散スタイリングでは、ターゲット幾何学と転送可能な外観を分離する必要がある。 既存のチューニングベースの手法は、データコストを増大させ、意図しないシーン構造をスタイル参照から転送することができる、コンテントスタイルの3脚や補助的なビジュアルエンコーダに依存していることが多い。 拡散トランスのためのスタイルエンコーダフリー条件付きSEFS(Style-Encoder-Free Stylization)を提案する。 SEFSは、単一の訓練画像の確率的低解像度の作物からスタイルトークンを形成する。 この作物のボトルネックは、パレット、ストローク、テクスチャ、材料といったローカルな外観統計を保存し、グローバルなレイアウトキューへのアクセスを減らします。 ターゲット内容はエッジとセグメンテーションのキューによって符号化され、パラメータ効率のトレーニング可能なプロジェクションを通じてノイズラテントと融合する。 トークン統計アライメントのためのスタイル・ツー・デノベーション再正規化と空間的詳細のためのクロスブロック・スキップ・フュージョンを加えている。 SEFSは未使用の単一画像で訓練し、凍結拡散VAEは潜伏空間に画像条件を配置するためにのみ使用される。 芸術的なスタイリゼーションベンチマークでは、SEFSはコンテントの一貫性とリーク診断を改善し、参照スタイルの親和性を維持し、アブレーションは作物の分解、再正規化、スキップ・フュージョンの選択をサポートする。 SEFSのコードは公開されます。

関連論文リスト

• UniCSG: Unified High-Fidelity Content-Constrained Style-Driven Generation via Staged Semantic and Frequency Disentanglement [13.265643008768825]
  DiTベースの拡散モデルは、しばしばコンテンツスタイルの絡み合いに悩まされ、参照コンテンツリークと不安定な生成を引き起こす。 テキスト誘導と参照誘導の両方でコンテント制約のあるスタイル駆動型生成のための統合フレームワークUniCSGを提案する。
  論文  参考訳（メタデータ） (2026-04-20T05:59:20Z)
• Enhancing Gradient Inversion Attacks in Federated Learning via Hierarchical Feature Optimization [56.95448807869383]
  フェデレートラーニング(FL)は、プライバシを保存する分散機械学習の魅力的なパラダイムとして登場した。 近年の研究では、FLシステムで交換される勾配もプライバシー漏洩に弱いことが報告されている。 我々は textbfGradient textbfInversion over textbfFeature textbfDomains (GIFD) を提案する。
  論文  参考訳（メタデータ） (2026-04-01T14:32:15Z)
• CleanStyle: Plug-and-Play Style Conditioning Purification for Text-to-Image Stylization [5.300721419484575]
  CleanStyleはプラグイン・アンド・プレイのフレームワークで、コンテンツ関連のノイズをリトレーニングすることなく、スタイルの埋め込みからフィルタリングする。 CleanStyleSVDは、タイムアウェアな指数スケジュールを使用して、テールコンポーネントを動的に抑制する。 SS-CFGはテールコンポーネントを再利用し、スタイル対応の無条件入力を構築する。
  論文  参考訳（メタデータ） (2026-02-24T09:33:05Z)
• Structure-Level Disentangled Diffusion for Few-Shot Chinese Font Generation [18.601789249339014]
  中国のフォント生成は、少数の参照画像のみを使用して、ターゲットスタイルで新しい文字を合成することを目的としている。 既存のアプローチは機能レベルのアンタングルのみを達成するため、ジェネレータはこれらの機能を再アンタングルすることができる。 本研究では,2つのチャンネルからコンテンツとスタイル情報を受信する構造レベル分散拡散モデルを提案する。
  論文  参考訳（メタデータ） (2026-02-21T15:41:06Z)
• PokeFusion Attention: Enhancing Reference-Free Style-Conditioned Generation [0.0]
  テキスト・画像拡散モデルにおける参照不要なスタイル条件付き文字生成について検討する。 既存のアプローチでは、テキストのみのプロンプトや、推論時に外部イメージに依存する参照ベースのアダプタを導入している。 軽量デコーダレベルのクロスアテンション機構であるPokeFusion Attentionを提案する。
  論文  参考訳（メタデータ） (2026-02-03T07:44:01Z)
• Balanced Image Stylization with Style Matching Score [36.542802101359705]
  Style Matching Score (SMS) は拡散モデルを用いた画像スタイリングの新しい最適化手法である。 SMSはスタイルのアライメントとコンテンツ保存のバランスを保ち、最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2025-03-10T17:58:02Z)
• UniVST: A Unified Framework for Training-free Localized Video Style Transfer [102.52552893495475]
  本稿では拡散モデルに基づく局所化ビデオスタイル転送のための統一フレームワークUniVSTを提案する。 トレーニングを必要とせずに動作し、ビデオ全体にわたってスタイルを転送する既存の拡散方法に対して、明確なアドバンテージを提供する。
  論文  参考訳（メタデータ） (2024-10-26T05:28:02Z)
• ZePo: Zero-Shot Portrait Stylization with Faster Sampling [61.14140480095604]
  本稿では,4つのサンプリングステップでコンテンツとスタイルの融合を実現する拡散モデルに基づく,インバージョンフリーなポートレートスタイリングフレームワークを提案する。 本稿では,一貫性機能における冗長な特徴をマージする機能統合戦略を提案し,注意制御の計算負荷を低減させる。
  論文  参考訳（メタデータ） (2024-08-10T08:53:41Z)
• Move Anything with Layered Scene Diffusion [77.45870343845492]
  拡散サンプリング過程におけるシーン表現を最適化するために,SceneDiffusionを提案する。 我々の重要な洞察は、異なる空間配置のシーンレンダリングを共同でデノベートすることで、空間的ゆがみを得ることができることである。 生成したシーンは、移動、再サイズ、クローニング、レイヤーワイドな外観編集操作を含む、幅広い空間編集操作をサポートする。
  論文  参考訳（メタデータ） (2024-04-10T17:28:16Z)
• GIFD: A Generative Gradient Inversion Method with Feature Domain Optimization [52.55628139825667]
  Federated Learning(FL)は、クライアントのプライバシを保護するための有望な分散機械学習フレームワークとして登場した。 近年の研究では、事前学習された生成逆ネットワーク(GAN)を事前知識として活用することにより、攻撃者が共有勾配を逆転し、FLシステムに対する機密データを回復できることが示されている。 textbfGradient textbfInversion over textbfFeature textbfDomains (GIFD)を提案する。
  論文  参考訳（メタデータ） (2023-08-09T04:34:21Z)
• Diffusion-based Image Translation using Disentangled Style and Content Representation [51.188396199083336]
  セマンティックテキストや単一のターゲット画像でガイドされた拡散ベースの画像変換により、柔軟なスタイル変換が可能になった。 逆拡散中、画像の原内容を維持することはしばしば困難である。 本稿では,不整合スタイルとコンテンツ表現を用いた新しい拡散に基づく教師なし画像翻訳手法を提案する。 提案手法は,テキスト誘導と画像誘導の両方の翻訳作業において,最先端のベースラインモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-30T06:44:37Z)

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。