論文の概要: FRPSS: Feature Rearrangement in Pre-Shape Space for Single-Image Generation

• arxiv url: http://arxiv.org/abs/2609.16594v1
• Date: Tue, 15 Sep 2026 03:38:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.331351
• Title: FRPSS: Feature Rearrangement in Pre-Shape Space for Single-Image Generation
• Title（参考訳）: FRPSS:単一画像生成のためのプレ形状空間における特徴再構成
• Abstract要約: 単一のイメージでトレーニングされた生成モデルは、グローバルな構造的整合性と局所的な多様性のバランスをとるのに苦労することが多い。 既存の単一画像生成法は、生成プロセスを駆動するためにランダムノイズに依存している。 本稿では, 単画像生成のためのプレ形状空間(FRPSS)の特徴的再配置を提案する。
• 参考スコア（独自算出の注目度）: 6.313546084738062
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative models trained on a single image often struggle to balance global structural integrity and local diversity. Existing single-image generation methods commonly rely on random noise to drive the generation process and lack explicit global structural constraints, making the generated results prone to spatial structural misalignment when structural variations occur. To address the issue, Feature Rearrangement in Pre-Shape Space for Single-Image Generation (FRPSS) is proposed in this paper. The core of FRPSS is the Manifold Structural Rearrangement with Feature Augmentation on Geodesic Surface (MSR-FAGS) module. MSR-FAGS replaces the randomly initialized features of the low-scale generator with rearranged Pre-Shape features and uses the features to guide image generation at subsequent scales, thereby reducing the risk of structural misalignment. To support downstream tasks such as stylization, a Scale-adaptive Sliding-window Patch Extraction (SSPE) strategy is further designed, and a directional Contrastive Language-Image Pre-training supervision module with SSPE (CLIP-SSPE) is constructed. Qualitative and quantitative experiments demonstrate that FRPSS achieves the best Single Image Fréchet Inception Distance (SIFID) scores on all three datasets while maintaining competitive Learned Perceptual Image Patch Similarity (LPIPS). Further qualitative experiments verify the effectiveness of FRPSS across multiple downstream tasks with the CLIP-SSPE module.
• Abstract（参考訳）: 単一のイメージでトレーニングされた生成モデルは、グローバルな構造的整合性と局所的な多様性のバランスをとるのに苦労することが多い。 既存の単一画像生成法は、通常、ランダムノイズに頼って生成プロセスを駆動し、明示的なグローバルな構造的制約を欠いている。 本論文では, 単一画像生成のための前形空間(FRPSS)の機能再構成について述べる。 FRPSSのコアとなるのは、ジオデシック・サーフェス(MSR-FAGS)モジュール上の特徴拡張によるマニフォールド構造再構成である。 MSR-FAGSは、低スケールジェネレータのランダムに初期化された特徴を、再配置されたPre-Shape特徴に置き換え、その後のスケールで画像生成をガイドするため、構造的ミスアライメントのリスクを低減する。 スタイリゼーションなどの下流タスクを支援するため,スケール適応型スライディング・ウィンドウ・パッチ抽出(SSPE)戦略をさらに設計し,SSPE(CLIP-SSPE)を用いた指向性コントラスト言語-画像事前学習監視モジュールを構築した。 定性的かつ定量的な実験により、FRPSSは、競争力のあるLearted Perceptual Image Patch similarity (LPIPS)を維持しながら、3つのデータセットで最高のSIFID(Single Image Fréchet Inception Distance)スコアを得ることを示した。 さらに定性的実験により、CLIP-SSPEモジュールを用いた複数の下流タスクにおけるFRPSSの有効性が検証された。

関連論文リスト

• From Phase to Phenomenon: Self-Supervised Learning of Subsurface Scattering with Minimal Phase-shift Inputs [14.024934760886298]
  本稿では,最小限の入力から地下散乱(SSS)光輸送表現を学習するための自己教師付き事前学習フレームワークを提案する。 本手法では,8つの位相シフトプロファイロメトリ(PSP)画像のみを表示できるステレオプロジェクタ・カメラのセットアップを利用する。 我々は,PSPベースのSSSデータに対する調整された拡張戦略を導入し,SSLプリトレーニングのための標準イメージNetスタイルの強化よりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2026-06-28T15:32:40Z)
• PSP: Harnessing Position and Shape Priors for Cross-Domain Few-Shot Medical Image Segmentation [12.86282390925016]
  Few-Shot Medical Image (FSMIS) は、データ不足に対する強力な解決策を提供するが、様々な画像モダリティをまたいだ一般化に苦慮している。 この性能崩壊は、主に、ソース固有の強度分布に基づいて訓練されたモデルを誤解させるドメイン間の劇的なテクスチャの相違に起因する。 クロスドメインFSMISのための位置と形状の優先順位(PSP)を利用する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-27T08:10:12Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• Unify the Views: View-Consistent Prototype Learning for Few-Shot Segmentation [23.546777614096424]
  ショーショットセグメンテーション(FSS)は、限られた監督力を持つ新しいクラスに一般化する能力において大きな注目を集めている。 本稿では、クラス固有のプロトタイプを洗練するための構造的一貫性と識別をモデル化する統合フレームワークであるVINEを導入することにより、これらの課題に対処する。
  論文  参考訳（メタデータ） (2026-03-06T06:36:42Z)
• NeuralRemaster: Phase-Preserving Diffusion for Structure-Aligned Generation [88.09231548061295]
  相保存拡散-PDは拡散過程のモデル非依存的な再構成である。 -PDは大きさをランダム化しながら入力フェーズを保存し、アーキテクチャ変更なしに構造整合生成を可能にする。 -PDは推論時間を追加せず、画像やビデオの拡散モデルと互換性がある。
  論文  参考訳（メタデータ） (2025-12-04T18:59:18Z)
• Hierarchical Spatial-Frequency Aggregation for Spectral Deconvolution Imaging [19.898033482653464]
  本稿では,高忠実度コンパクト行列設計を実現するための新しいCSI手法を提案する。 SDIに固有のデータ依存演算子に取り組むために、階層型空間スペクトル集約フレームワーク(HSFAUF)を導入する。 さらに、繰り返し改善中の空間スペクトル前処理を統合するために、空間周波数アグリゲーション変換器(SFAT)を提案する。
  論文  参考訳（メタデータ） (2025-11-10T06:29:34Z)
• Light-SQ: Structure-aware Shape Abstraction with Superquadrics for Generated Meshes [60.92139345612904]
  我々は、新しいスーパークワッドリックベースの最適化フレームワークLight-SQを提案する。 本稿では,構造対応ボリューム分解によるブロック再配置戦略を提案する。 実験によると、Light-SQはスーパークワッドリックで効率よく、高忠実で、編集可能な形状の抽象化を可能にする。
  論文  参考訳（メタデータ） (2025-09-29T16:18:32Z)
• FreSca: Scaling in Frequency Space Enhances Diffusion Models [55.75504192166779]
  本稿では,潜時拡散モデルにおける周波数制御について検討する。 本稿では,低周波成分と高周波成分にノイズ差を分解する新しいフレームワークFreScaを紹介する。 FreScaはモデルの再トレーニングやアーキテクチャの変更なしに動作し、モデルとタスクに依存しない制御を提供する。
  論文  参考訳（メタデータ） (2025-04-02T22:03:11Z)
• Feature Alignment with Equivariant Convolutions for Burst Image Super-Resolution [52.55429225242423]
  本稿では,同変畳み込みに基づくアライメントを特徴とするBurst Image Super-Resolution (BISR) のための新しいフレームワークを提案する。 これにより、アライメント変換は画像領域の明示的な監督を通じて学習でき、特徴領域に容易に適用できる。 BISRベンチマークの実験は、定量的メトリクスと視覚的品質の両方において、我々のアプローチの優れた性能を示している。
  論文  参考訳（メタデータ） (2025-03-11T11:13:10Z)
• Self-supervised Correlation Mining Network for Person Image Generation [9.505343361614928]
  人物画像生成は、ソース画像の非剛性変形を実現することを目的としている。 特徴空間のソース画像を再構成する自己教師付き相関マイニングネットワーク(SCM-Net)を提案する。 クロススケールポーズ変換の忠実度を向上させるために,グラフに基づく身体構造保持損失を提案する。
  論文  参考訳（メタデータ） (2021-11-26T03:57:46Z)
• Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet Frames for Image Segmentation [152.609322951917]
  そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。 提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
  論文  参考訳（メタデータ） (2020-02-21T05:19:10Z)

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。