論文の概要: AcFlow: Controlling Text-to-Image Diffusion Transformers via Learned Conditional Activation Flow
- arxiv url: http://arxiv.org/abs/2609.10723v1
- Date: Wed, 09 Sep 2026 18:16:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.107008
- Title: AcFlow: Controlling Text-to-Image Diffusion Transformers via Learned Conditional Activation Flow
- Title（参考訳）: AcFlow: 学習条件付アクティベーションフローによるテキスト・画像拡散変換器の制御
- Abstract要約: 本稿では,学習された概念条件付速度場を通じて中間層画像の活性化を伝達する推論時コントローラであるAcFlowを紹介する。
テキストの概念記述は、所望の介入を指定し、統合水平線は、連続的な制御パラメータを提供する。
AcFlowは、ハイスタイルアライメントシステムで評価されたベースラインの中で、最高のスタイルのトレードオフを達成する。
- 参考スコア（独自算出の注目度）: 7.12463515172038
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Text-to-image diffusion transformers (DiTs) are powerful generators, yet direct prompting provides limited control interface for style intensity and can fail to suppress unwanted concepts. To enable these controls, we introduce AcFlow, an inference-time controller that transports intermediate layer image-token activations through a learned concept-conditioned velocity field while keeping the base DiT frozen. A textual concept description specifies the desired intervention, while the integration horizon provides a continuous control parameter. The field produces token-varying, activation-dependent updates. With parameters shared across concepts within each task family, the field supports fine-grained descriptions and generalizes to concepts unseen during training without per-concept fitting. On style control, AcFlow achieves the best style--content trade-off among the evaluated baselines in the high-style-alignment regime. At a fixed operating point, AcFlow attains style--content alignment of 0.5365/0.2860, compared with 0.4397/0.2684 for the baseline with the highest style alignment. Qualitative results demonstrate suppression of diverse concepts, including cases where direct prompting fails. Our analyses support the learned velocity field as an adaptive control mechanism, with update directions varying across tokens and depend on their activation states. Our code is available at https://github.com/Nove1yst/AcFlow.
- Abstract（参考訳）: テキスト・ツー・イメージ拡散変換器(DiT)は強力なジェネレータであるが、直接プロンプトはスタイル強度の制限された制御インタフェースを提供し、不要な概念を抑えることができない。
これらの制御を実現するために,ベースDiTを凍結したまま,学習された概念条件付速度場を通じて中間層画像の活性化を伝達する推論時コントローラであるAcFlowを導入する。
テキストの概念記述は、所望の介入を指定し、統合水平線は、連続的な制御パラメータを提供する。
フィールドはトークンによって変化し、アクティベーションに依存した更新を生成する。
各タスクファミリー内の概念間で共有されるパラメータによって、フィールドはきめ細かい記述をサポートし、概念ごとのフィッティングなしでトレーニング中に見えない概念に一般化する。
スタイル制御において、AcFlowは、高いスタイルのアライメント体制において評価されたベースラインの中で、最高のスタイルのトレードオフを達成する。
固定された動作点において、AcFlowは0.5365/0.2860のコンテントアライメントを実現し、ベースラインでは0.4397/0.2684のアライメントが最高である。
質的な結果は、直接的なプロンプトが失敗するケースを含む様々な概念の抑制を示す。
本分析は,トークン間の更新方向が変化し,アクティベーション状態に依存する適応制御機構として学習速度場をサポートする。
私たちのコードはhttps://github.com/Nove1yst/AcFlow.comから入手可能です。
関連論文リスト
- ModaFlow: Modality-Aware Flow Matching for High-Fidelity Virtual Try-On [48.40260700745353]
高忠実度仮想試行のためのモダフロー(ModaFlow)を提案する。
そこで本研究では,ModaFlowが定性評価と定量的評価の両面で最先端の結果を達成することを示す。
論文 参考訳（メタデータ） (2026-06-26T06:59:50Z) - Trajectory Forcing: Structure-First Generation with Controllable Semantic Trajectories [62.54876287800644]
拡散およびフローベース生成モデルは強い画像を生成するが、制御性はエンドポイント中心のままである。
最近の手法では、生成順序とプロセスの分解を利用してサンプルの品質を向上し始めているが、それでも中間状態は相互作用のオブジェクトではなく内部計算として扱われている。
本稿では、生成経路を明示的、意味的、編集可能にするトラジェクトリ中心のフレームワークであるトラジェクトリ・フォース(TF)を提案する。
論文 参考訳（メタデータ） (2026-06-21T14:25:50Z) - FlowBender: Feedback-Aware Training for Self-Correcting Conditional Flows [18.746098727212544]
FlowBenderは3D再構成のための新しい拡散流モデルである。
FlowBenderは、標準的な教師付きアライメントトレーニングよりも一貫して優れています。
微分可能な演算子に対して、FlowBenderのいくつかの変種を提案する。
論文 参考訳（メタデータ） (2026-06-18T15:56:07Z) - KV-Control: Parameter-Efficient K/V Injection for Trajectory-Controlled Text-to-Motion [18.297396604431018]
フリーズテキスト・トゥ・モーション・トランスのためのコンパクトなアテンション側制御インタフェースであるKV-Controlを導入する。
KV-Controlは、トラジェクティブコンディショニングを軽量なメモリ検索としてリフレームし、テキスト・トゥ・モーション生成のための小型で正確で透明な制御インターフェースを提供する。
論文 参考訳（メタデータ） (2026-06-04T02:50:20Z) - UniSteer: Text-Guided Flow Matching in Activation Space for Versatile LLM Steering [42.82337069202406]
アクティベーションに基づく制御は、ペルソナやスタイルといった行動を制御する効果的なパラダイムとして登場した。
残差ストリームのアクティベーションに関する条件分布を学習するテキスト誘導型アクティベーションフローマッチングモデルUniSteerを提案する。
我々は,UniSteerが行動制御,真正性ステアリング,きめ細かい概念ステアリング,マルチ制約命令の追従,アクティベーション空間の分類にまたがる統一インターフェースを提供することを示した。
論文 参考訳（メタデータ） (2026-05-28T15:23:29Z) - TokenDial: Continuous Attribute Control in Text-to-Video via Spatiotemporal Token Offsets [26.16152568319517]
TokenDialは、事前訓練されたテキスト-ビデオ生成モデルにおける連続的なスライダスタイルの属性制御のためのフレームワークである。
我々は、事前学習された理解信号を用いて、バックボーンをトレーニングすることなく属性固有のトークンオフセットを学習する。
TokenDialsの有効性を様々な属性やプロンプトで実証し、最先端のベースラインよりも強力な制御性と高品質な編集を実現する。
論文 参考訳（メタデータ） (2026-03-29T05:07:41Z) - OneFlow: Concurrent Mixed-Modal and Interleaved Generation with Edit Flows [59.052955667723985]
可変長および同時混合モード生成が可能な最初の非自己回帰型マルチモーダルモデルであるOneFlowを提案する。
テキストと画像生成の間の厳格な因果順序を強制する自己回帰モデルとは異なり、OneFlowは個別のテキストトークンに対する挿入ベースのEdit Flowと、画像潜伏者のためのFlow Matchingを組み合わせる。
論文 参考訳（メタデータ） (2025-10-03T20:40:30Z) - SuperFlow++: Enhanced Spatiotemporal Consistency for Cross-Modal Data Pretraining [62.433137130087445]
SuperFlow++は、連続するカメラペアを使用して事前トレーニングと下流タスクを統合する新しいフレームワークである。
SuperFlow++は様々なタスクや運転条件で最先端のメソッドよりも優れています。
強力な一般化性と計算効率により、SuperFlow++は、自動運転におけるデータ効率の高いLiDARベースの認識のための新しいベンチマークを確立する。
論文 参考訳（メタデータ） (2025-03-25T17:59:57Z) - ACDiT: Interpolating Autoregressive Conditional Modeling and Diffusion Transformer [95.80384464922147]
ACDiTはブロックワイド条件拡散変換器である。
トークン単位の自己回帰とフルシーケンス拡散のフレキシブルな関係を提供する。
本稿では,映像生成タスクにおける自己回帰ベースラインの中で,ACDiTが最良であることを示す。
論文 参考訳（メタデータ） (2024-12-10T18:13:20Z) - SeFlow: A Self-Supervised Scene Flow Method in Autonomous Driving [18.88208422580103]
連続したLiDARスキャンで各点における3次元運動を予測する。
現在の最先端の手法は、シーンフローネットワークをトレーニングするために注釈付きデータを必要とする。
本研究では,効率的な動的分類を学習に基づくシーンフローパイプラインに統合するSeFlowを提案する。
論文 参考訳（メタデータ） (2024-07-01T18:22:54Z) - Self-Supervised Learning of Non-Rigid Residual Flow and Ego-Motion [63.18340058854517]
動的3次元シーンに対する非剛性残留流とエゴ運動流の連成推定によるエンドツーエンドのシーンフロー学習法を提案する。
我々は、点クラウドシーケンスの時間的一貫性性に基づいて、自己監督的な信号で教師付きフレームワークを拡張した。
論文 参考訳（メタデータ） (2020-09-22T11:39:19Z)
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。