論文の概要: Object-Aware Background-Controlled Editing via Weighted Velocity Guidance

• arxiv url: http://arxiv.org/abs/2609.06288v1
• Date: Sat, 05 Sep 2026 22:53:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 06:09:47.204917
• Title: Object-Aware Background-Controlled Editing via Weighted Velocity Guidance
• Title（参考訳）: 重み付き速度誘導による物体認識背景制御編集
• Abstract要約: トレーニング不要な画像編集は、プロンプト条件付き速度を変更することにより、推論時に拡散またはフローマッチング生成モデルを操る。 本稿では,OAVC(Object-Aware Velocity Control)を提案する。
• 参考スコア（独自算出の注目度）: 38.29551771760371
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Training-free image editing steers diffusion or flow-matching generative models at inference time by modifying prompt-conditioned denoising velocities. Existing velocity-based editors often apply prompt-induced residuals globally over the latent space and rely on the model to localize semantic changes implicitly. For object-centric edits, these residuals are rarely zero outside the target object, so small non-target components can accumulate during multi-step integration, causing background drift and unstable object boundaries. We propose Object-Aware Velocity Control (OAVC), a training-free framework that introduces object-level control into the velocity-integration process. OAVC decouples where semantic residuals are allowed to act from how they are injected into the dynamics. It constructs a background-anchored reference interface under the source prompt and then performs object-localized safe semantic injection under the target prompt. A constrained injection operator suppresses drift-inducing velocity components, while time-adaptive spatial weighting stabilizes the transition near object boundaries. OAVC requires no training or modification of pretrained model parameters. Experiments on object-centric image and video benchmarks with image and video rectified-flow backbones show improved background preservation, structural fidelity, boundary stability, and temporal consistency while retaining effective localized editability.
• Abstract（参考訳）: トレーニング不要な画像編集は、アクシデント条件付き騒音速度を変化させることで、推論時に拡散またはフローマッチング生成モデルを操る。 既存のベロシティベースのエディタは、暗黙的に意味変化をローカライズするためにモデルに依存している。 オブジェクト中心の編集では、これらの残余はターゲットオブジェクトの外側でゼロとなることはめったにないため、マルチステップ統合時に小さな非ターゲットコンポーネントが蓄積され、背景のドリフトと不安定なオブジェクト境界が生じる。 本稿では,OAVC(Object-Aware Velocity Control)を提案する。 OAVCは、セマンティック残基が動的に注入される方法から作用することを許される場所を分離する。 ソースプロンプトの下でバックグラウンドアンコールされた参照インターフェースを構築し、ターゲットプロンプトの下でオブジェクトローカル化された安全なセマンティックインジェクションを実行する。 制約注入演算子はドリフト誘導速度成分を抑制し、時間適応空間重み付けは物体境界近傍の遷移を安定化させる。 OAVCは事前訓練されたモデルパラメータのトレーニングや修正を必要としない。 画像とビデオの整流バックボーンを用いた画像とビデオのベンチマーク実験では、効率的な局所化編集性を維持しながら、背景保存、構造的忠実性、境界安定性、時間的一貫性が改善された。

関連論文リスト

• MotionDLO: Hybrid Event- and Frame-Based Tracking of Deformable Linear Objects [0.0]
  我々は、時間的連続性と遅延の制限を克服するために特別に設計されたリアルタイムトラッキングフレームワークであるMotionDLOを紹介した。 この手法は、イベントベースカメラの高時間分解能と空間性を利用して、コヒーレントポイントドリフト(CPD)アルゴリズムとセグメンテーションを組み合わせる。 提案フレームワークはビデオシーケンス間でDLOインスタンスを確実に関連付け,ロボット操作タスクに対する堅牢な認識を可能にすることを実証する。
  論文  参考訳（メタデータ） (2026-08-23T12:53:13Z)
• AsyncShield: A Plug-and-Play Edge Adapter for Asynchronous Cloud-based VLA Navigation [21.033021862213825]
  AsyncShieldは非同期ナビゲーションのためのプラグイン・アンド・プレイコントロールフレームワークである。 システムは拘束されたマルコフ決定プロセスを使用して、意図回復の忠実性と物理的安全性のバランスをとる。 AsyncShieldは軽量なプラグイン・アンド・プレイモジュールとして動作する。
  論文  参考訳（メタデータ） (2026-04-27T06:20:15Z)
• SteerFlow: Steering Rectified Flows for Faithful Inversion-Based Image Editing [9.343095346668665]
  SteerFlowはモデルに依存しない編集フレームワークで、ソースの忠実性に関する強力な理論的保証がある。 本稿では,ターゲット編集速度とソース再構成速度を適応的にブレンドして,編集軌道をソースに固定するトラジェクトリ補間法を提案する。 FLUX.1-devとStable Diffusion 3.5 Mediumの実験では、SteerFlowは既存の方法よりも優れた編集品質を実現している。
  論文  参考訳（メタデータ） (2026-04-02T07:26:13Z)
• IoUCert: Robustness Verification for Anchor-based Object Detectors [58.35703549470485]
  IoUCertは、アンカーベースのオブジェクト検出アーキテクチャにおいて、これらのボトルネックを克服するために設計された、新しい形式的検証フレームワークである。 本手法は, SSD, YOLOv2, YOLOv3など, 現実的なアンカーベースモデルの各種入力摂動に対するロバスト性検証を可能にする。
  論文  参考訳（メタデータ） (2026-03-03T14:36:46Z)
• On Exact Editing of Flow-Based Diffusion Models [97.0633397035926]
  本研究では,フローベース編集を既知ソースによって駆動される分散変換問題として再構成する条件付き速度補正(CVC)を提案する。 CVCは、双対パースペクティブな速度変換機構を導入することにより、分配間変換における速度の役割を再考する。 我々は,CVCが優れた忠実度,セマンティックアライメント,多種多様なタスクに対する信頼性の高い編集動作を一貫して達成していることを示す。
  論文  参考訳（メタデータ） (2025-12-30T06:29:20Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Motion-Aware Concept Alignment for Consistent Video Editing [57.08108545219043]
  MoCA-Video (Motion-Aware Concept Alignment in Video) は、画像ドメインのセマンティックミキシングとビデオのギャップを埋めるトレーニング不要のフレームワークである。 生成されたビデオとユーザが提供した参照画像が与えられた後、MoCA-Videoは参照画像のセマンティックな特徴をビデオ内の特定のオブジェクトに注入する。 我々は、標準SSIM、画像レベルLPIPS、時間LPIPSを用いてMoCAの性能を評価し、新しいメトリクスCASS(Conceptual Alignment Shift Score)を導入し、ソースプロンプトと修正ビデオフレーム間の視覚的シフトの一貫性と有効性を評価する。
  論文  参考訳（メタデータ） (2025-06-01T13:28:04Z)
• Implicit Motion Handling for Video Camouflaged Object Detection [60.98467179649398]
  本稿では,新しいビデオカモフラージュオブジェクト検出(VCOD)フレームワークを提案する。 短期的および長期的整合性を利用して、ビデオフレームからカモフラージュされたオブジェクトを検出する。
  論文  参考訳（メタデータ） (2022-03-14T17:55:41Z)

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。