論文の概要: WithEveryone: Unified Planning and Identity Grounding for Group Image Generation

• arxiv url: http://arxiv.org/abs/2608.20336v1
• Date: Thu, 20 Aug 2026 17:59:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.67063
• Title: WithEveryone: Unified Planning and Identity Grounding for Group Image Generation
• Title（参考訳）: WithEveryone: グループ画像生成のための統一計画とアイデンティティグラウンド
• Abstract要約: グループイメージを最大10個の参照IDまで生成する統合フレームワークであるWithEveryoneを紹介した。 WithEveryoneは、それぞれの選択したIDをアドレストークンとして注入し、構造化されたID計画を予測する。 GPT-Image-2では0.462から0.499に改善され、コピー・ペースト・アーティファクトは0.169から0.055に削減された。
• 参考スコア（独自算出の注目度）: 60.528070962852716
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Identity-preserving image generation becomes increasingly unreliable when a scene must contain many specified people. Beyond retaining each identity, the model must bind every reference to a distinct person and location, while training-time identity losses must establish correspondence among several noisy predicted faces. We introduce WithEveryone, a unified framework for generating group images up to ten reference identities. WithEveryone injects each selected identity as an addressed token, predicts a structured identity--layout plan, and renders the plan as a visual condition. Its key objective, Layout-Grounded ID Loss, uses annotated face regions to supervise the intended identities directly, avoiding unstable embedding-based face matching; ID Representation Forcing additionally trains a prediction for each identity before image synthesis. On an identity-disjoint benchmark, WithEveryone achieves the highest target-context identity similarity, improving face similarity from 0.462 for GPT-Image-2 to 0.499, while reducing copy-paste artifacts from 0.169 to 0.055. It further covers 97.3\% of the requested identities with a duplicate rate of only 2.8\%. These results show that explicit identity--layout grounding enables identity-preserving generation to scale to larger groups without relying on direct reference-face copying.
• Abstract（参考訳）: シーンが多くの特定の人を含む必要があると、アイデンティティを保存する画像生成はますます信頼性が低下する。 個々のアイデンティティを保持する以外に、モデルは個々の人や場所への参照をすべて束縛する必要があるが、トレーニング時のアイデンティティ損失は、いくつかのノイズのある予測された顔の間で対応を確立する必要がある。 グループイメージを最大10個の参照IDまで生成する統合フレームワークであるWithEveryoneを紹介した。 WithEveryoneは、それぞれの選択したIDをアドレストークンとして注入し、構造化されたIDレイアウトプランを予測し、そのプランを視覚的条件としてレンダリングする。 主な目的であるLayout-Grounded ID Lossは、意図したアイデンティティを直接監視するために注釈付き顔領域を使用して、不安定な埋め込みベースの顔マッチングを避ける。 アイデンティティ非結合のベンチマークでは、WithEveryoneはターゲット・コンテキストの同一性が最も高く、顔の類似性はGPT-Image-2で0.462から0.499に改善され、コピー・ペースト・アーティファクトは0.169から0.055に低下した。 さらに、要求されたアイデンティティの97.3\%をカバーし、重複率はわずか2.8\%である。 これらの結果は、明示的なID-レイアウトグラウンド化により、直接参照面のコピーに頼ることなく、ID保存生成を大規模グループに拡張できることを示している。

関連論文リスト

• NearID: Identity Representation Learning via Near-identity Distractors [116.71529576796605]
  既存のビジョンエンコーダは、オブジェクトのアイデンティティを背景コンテキストと絡み合わせることで、信頼性の低い表現やメトリクスを生み出します。 我々は、この脆弱性に対処するための最初の原則付きフレームワークをNear-identity distractorsを使って紹介する。 我々は、厳密なマージンベースの評価プロトコルとともに、NearIDデータセット(19KのID、316Kの一致したコンテキストインタプリタ)を提示する。
  論文  参考訳（メタデータ） (2026-04-02T12:33:14Z)
• AnyPhoto: Multi-Person Identity Preserving Image Generation with ID Adaptive Modulation on Location Canvas [4.078056648158513]
  強いアイデンティティ/アイデンティティ条件は、しばしばコピーペーストショートカットを誘発し、プロンプト駆動制御性を弱める。 拡散変換器の微調整フレームワークであるAnyPhotoについて述べる。 (i) 位置キャンバスと位置整合トークンプルーニングによる空間的接地を行う。 MultiID-Benchでは、AnyPhotoはコピーペースト傾向を減らしながらアイデンティティの類似性を改善し、アイデンティティの数が増えるにつれて向上する。
  論文  参考訳（メタデータ） (2026-03-16T03:08:38Z)
• Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
  顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。 トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。 IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-10-28T09:28:12Z)
• WithAnyone: Towards Controllable and ID Consistent Image Generation [83.55786496542062]
  アイデンティティ・一貫性・ジェネレーションは、テキスト・ツー・イメージ研究において重要な焦点となっている。 マルチパーソンシナリオに適した大規模ペアデータセットを開発する。 本稿では,データと多様性のバランスをとるためにペアデータを活用する,対照的なアイデンティティ損失を持つ新たなトレーニングパラダイムを提案する。
  論文  参考訳（メタデータ） (2025-10-16T17:59:54Z)
• Hybrid Generative Fusion for Efficient and Privacy-Preserving Face Recognition Dataset Generation [87.48785461212556]
  我々は,顔認識モデルをトレーニングするための高品質な顔データセットの構築に焦点を当てたDataCV ICCV Challengeへのアプローチを提案する。 構築されたデータセットには、既存の公開顔データセットと重複するIDが含まれてはならない。 提案手法は,競技において第1位となる textbf1 を達成し,実験結果から10K,20K,100K 単位のモデル性能の向上が得られた。
  論文  参考訳（メタデータ） (2025-08-14T14:14:18Z)
• From Poses to Identity: Training-Free Person Re-Identification via Feature Centralization [9.614305363044737]
  人物再識別(ReID)は、正確な識別表現の特徴を抽出することを目的としている。 個人ノイズを低減するための訓練自由特徴集中型ReIDフレームワーク(Pose2ID)を提案する。 提案手法は, 標準, クロスモダリティ, 隠蔽されたReIDタスクにまたがって, 最先端の新たな結果を設定する。
  論文  参考訳（メタデータ） (2025-03-02T15:31:48Z)
• ID$^3$: Identity-Preserving-yet-Diversified Diffusion Models for Synthetic Face Recognition [60.15830516741776]
  合成顔認識(SFR)は、実際の顔データの分布を模倣するデータセットを生成することを目的としている。 拡散燃料SFRモデルであるtextID3$を紹介します。 textID3$はID保存損失を利用して、多様だがアイデンティティに一貫性のある顔の外観を生成する。
  論文  参考訳（メタデータ） (2024-09-26T06:46:40Z)
• T-Person-GAN: Text-to-Person Image Generation with Identity-Consistency and Manifold Mix-Up [16.165889084870116]
  テキストのみに条件付けされた高解像度の人物画像を生成するためのエンドツーエンドアプローチを提案する。 2つの新しいメカニズムで人物画像を生成するための効果的な生成モデルを開発する。
  論文  参考訳（メタデータ） (2022-08-18T07:41:02Z)
• Semantic Consistency and Identity Mapping Multi-Component Generative Adversarial Network for Person Re-Identification [39.605062525247135]
  本稿では,1つのドメインから複数のドメインへのスタイル適応を提供する,意味一貫性とアイデンティティマッピングの多成分生成対向ネットワーク(SC-IMGAN)を提案する。 提案手法は,6つの挑戦的人物リidデータセットにおける最先端技術よりも優れている。
  論文  参考訳（メタデータ） (2021-04-28T14:12:29Z)

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。