論文の概要: MatReplace: A Reference-Free, Conditioning-Aligned Benchmark for Material Replacement in Interior Scenes
- arxiv url: http://arxiv.org/abs/2608.24107v1
- Date: Tue, 25 Aug 2026 06:11:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.827854
- Title: MatReplace: A Reference-Free, Conditioning-Aligned Benchmark for Material Replacement in Interior Scenes
- Title（参考訳）: MatReplace: インテリアシーンにおけるマテリアルリプレースのための基準フリー条件付きベンチマーク
- Abstract要約: MatReplaceは、4つの検証可能な次元に沿って編集を評価する、参照なしのベンチマークである。
A)命令のみ、(B)命令+エリアマスク、(C)教材参照画像の3つのトラックを定義している。
以上の結果から,命名と視覚的接地材料との明確な相違が明らかとなった。
- 参考スコア（独自算出の注目度）: 49.454624206478
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Material replacement is a common interior-design operation: changing the material of a selected surface while preserving its geometry, surroundings, and illumination. Despite its commercial relevance, no public benchmark isolates this task, and evaluating it is challenging. Reference-based metrics penalize valid outputs in this inherently one-to-many setting, favor the style of the reference generator, and cannot fairly compare editors that receive different forms of guidance. We introduce MatReplace, a reference-free benchmark that evaluates edits along four verifiable dimensions: local material correctness, global lighting harmony, outside preservation, and inside structure. It defines three tracks that vary one conditioning signal at a time: (A) instruction only, (B) instruction plus region mask, and (C) material reference image instead of instruction. Our results reveal a clear divide between naming and visually grounding materials. In Track A, leading closed-source editors achieve exemplar-level material rendering and surpass the exemplar anchor under our primary aggregate. In Track B, masks help only mask-compatible models with weak scene preservation, with task-paired, single-seed effects ranging from +0.137 to -0.090 across aligned model families. In Track C, reference-image conditioning degrades every family under both aggregates, by -0.031 to -0.508; in the worst cases, models repaint the reference image itself and perform worse than returning the input unchanged. Thus, named-material rendering is largely solved by the strongest closed editors on this distribution, but grounding materials from pixels remains an open challenge. Expert ratings validate our ranking (Kendall's tau = 0.68) and align with our aggregates more closely than GT-referenced or CLIP-based baselines.
- Abstract（参考訳）: 材料交換は、その幾何学、周囲、照明を保ちながら、選択された表面の材料を変更するという、一般的な内部設計の操作である。
商業的関連性にもかかわらず、このタスクを分離する公開ベンチマークは存在せず、評価は困難である。
参照ベースのメトリクスは、この本質的に1対多の設定で有効な出力をペナルティ化し、参照ジェネレータのスタイルを好んでおり、異なる形式のガイダンスを受け取るエディタを適切に比較することはできない。
MatReplaceは、局所的な素材の正当性、大域的な照明調和、外部保存、内部構造という、検証可能な4つの次元の編集を評価するリファレンスフリーベンチマークである。
A)命令のみ、(B)命令+エリアマスク、(C)教材参照画像の3つのトラックを定義している。
以上の結果から,命名と視覚的接地材料との明確な相違が明らかとなった。
トラックAでは、主要なクローズドソースエディターが模範レベルの素材レンダリングを達成し、一次アグリゲーションの下にある例のアンカーを超越する。
トラックBではマスクはマスク互換のモデルにしか役に立たないが、タスクペア付き単座エフェクトは+0.137から-0.090の範囲で並んでいる。
トラックCでは、参照イメージ条件付けは、両方のアグリゲートの下のすべてのファミリを-0.031から-0.508に分解する。
したがって、この分布において最強のクローズドエディターによって、名前付き材料レンダリングは大部分が解決されるが、画素からの接地材料は依然として未解決の課題である。
専門家による評価では、ランキング(Kendall's tau = 0.68)を検証し、GT参照やCLIPベースのベースラインよりも近いアグリゲーションと一致しています。
関連論文リスト
- What Makes a 3D Scene Editable? A Factorized Benchmark of Fidelity, Locality, Consistency, and Preservation [0.0]
本稿では,編集を制御情報置換として扱う表現非依存のベンチマークであるEditBench3Dを紹介する。
240のシーン編集ペアに対して,8つの代表的NeRF,3Dガウススプラッティング,ハイブリッド,プロキシベースのエディタを評価した。
論文 参考訳（メタデータ） (2026-09-14T01:38:38Z) - Semantically Aligned Gradient-Driven Context-Preserving Image Editing [32.85393969503569]
IABEditは、識別可能なセマンティック検証をトレーニングに組み込む、モデルに依存しないフレームワークである。
IABEdit は U-Net (Stable Diffusion) や MMDiT (FLUX) など様々なバックボーンと互換性がある。
論文 参考訳（メタデータ） (2026-09-11T10:37:32Z) - ReART: Reference-Guided Retrieval and Refinement for Emotion-Aware Art Generation [8.10513799293732]
本稿では,参照誘導型検索・改善フレームワークであるReARTを紹介する。
本手法は,EmoArtデータベース内のテストキャプションと画像アノテーションを構造化された視野に分解する。
我々のシステムは、AffectiveArt 2026 Grand Challengeのトラック1の2位にランクインし、完全なAAS1.00、総合スコア0.78を達成しました。
論文 参考訳（メタデータ） (2026-08-23T09:56:30Z) - From Sparse and Imperfect 2D Anchors to Consistent 3D Gaussian Street Scenes: Support-Aware Appearance [13.51195065028002]
画像先行者は、3Dガウスのストリートシーンのターゲット条件を合成できるが、独立して編集されたビューはコヒーレントな3Dターゲットを定義しない。
このギャップに対処するため、外観焼成のために教師の相対的な外観残留蒸留を導入する。
教師アンカーとオリジナルレンダリングの間の残差により、周波数分解、信頼度推定、プリミティブレベルリフトのための構造化された空間を形成する。
論文 参考訳（メタデータ） (2026-06-24T16:26:53Z) - Evaluating Remote Sensing Image Captions Beyond Metric Biases [20.77920438007019]
本稿では,レファレンスフリー評価指標ReconScoreを紹介する。
我々はReconScoreを使ってキャプションの品質を評価し、生成したテキストからのみオリジナルのビジュアル要素を再構築する。
ReconScoreを自己補正機構として利用することにより、計算微調整のオーバーヘッドを伴わずにMLLM出力のセマンティック精度を反復的に改善する。
論文 参考訳（メタデータ） (2026-04-22T12:28:04Z) - From Masks to Pixels and Meaning: A New Taxonomy, Benchmark, and Metrics for VLM Image Tampering [66.2662973049988]
粗い領域ラベルからのVLM画像の改ざんを行う。
我々は,編集プリミティブにまたがる分類学と,その意味クラスを,低レベルな変化と高レベルな理解を結びつけて導入する。
第3に,画素レベルの正しさと局所化を定量化して,真の編集強度に対する信頼度や予測を評価するためのトレーニングフレームワークと評価指標を提案する。
論文 参考訳（メタデータ） (2026-03-20T17:59:54Z) - Robust Scene Coordinate Regression via Geometrically-Consistent Global Descriptors [52.57327385675752]
幾何学的構造と視覚的類似性の両方に整合したグローバルな記述子を学習するアグリゲータモジュールを提案する。
これにより、信頼できないオーバーラップスコアによる誤関連が修正される。
挑戦的なベンチマークの実験では、大規模環境ではかなりのローカライゼーションが得られた。
論文 参考訳（メタデータ） (2025-12-19T04:24:03Z) - RealDrag: The First Dragging Benchmark with Real Target Image [9.439854281295803]
textbfRealDragは、点ベースの画像編集のための最初の包括的なベンチマークであり、ペアの接地真理ターゲット画像を含んでいる。
私たちのデータセットには、さまざまなビデオソースから400以上の人間の注釈付きサンプルが含まれています。
また、Semantical Distance(SeD)、Outer Mask Preserving Score(OMPS)、Inner Patch Preserving Score(IPPS)、Directional similarity(DiS)の4つの新しいタスク特化指標を提案する。
論文 参考訳（メタデータ） (2025-12-13T11:14:03Z) - RefEdit: A Benchmark and Method for Improving Instruction-based Image Editing Model on Referring Expressions [56.9437856499838]
スケーラブルな合成データ生成パイプラインでトレーニングされた命令ベースの編集モデルであるRefEditを紹介します。
私たちのRefEditは、わずか2万の編集三脚でトレーニングされており、何百万ものデータでトレーニングされたFlux/SD3モデルベースラインを上回っています。
論文 参考訳（メタデータ） (2025-06-03T23:20:24Z) - UNOPose: Unseen Object Pose Estimation with an Unposed RGB-D Reference Image [86.7128543480229]
見えないオブジェクトのポーズ推定方法はCADモデルや複数の参照ビューに依存することが多い。
参照取得を簡略化するために,未提示のRGB-D参照画像を用いて未確認オブジェクトのポーズを推定することを目的とする。
単参照型オブジェクトポーズ推定のための新しいアプローチとベンチマークをUNOPoseと呼ぶ。
論文 参考訳（メタデータ） (2024-11-25T05:36:00Z) - EVA: Zero-shot Accurate Attributes and Multi-Object Video Editing [62.15822650722473]
現在のビデオ編集方法は、元のレイアウトを維持しながら、前景と背景を同時に編集することができない。
複雑な動きを持つ人間中心のビデオに合わせた、textbfzero-shot と textbfmulti-attribute ビデオ編集フレームワークである EVA を紹介する。
EVAは、複数のオブジェクトの編集シナリオに容易に一般化でき、正確なIDマッピングを実現する。
論文 参考訳（メタデータ） (2024-03-24T12:04:06Z)
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。