論文の概要: GeoComposer: Geometry-Grounded Photographic Composition Instruction

• arxiv url: http://arxiv.org/abs/2609.26620v1
• Date: Tue, 22 Sep 2026 15:53:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 01:05:39.735621
• Title: GeoComposer: Geometry-Grounded Photographic Composition Instruction
• Title（参考訳）: GeoComposer:Geometry-Grounded Photographic composition Instruction
• Abstract要約: 初期の方法は、主に画像トリミングに頼り、入力画像の視点や空間的配置に制限される構成を強化する。 近年,画像の理解と編集を改良して構成を改善する手法が研究されているが,主に指示の追従と美的品質に焦点が当てられている。 画像の合成を解析してテキストガイダンスを生成する,ジオコンポサ(GeoComposer)を提案する。
• 参考スコア（独自算出の注目度）: 8.875000624135813
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Photographic composition aims to provide visual guidance for improving the framing, viewpoint, and spatial arrangement of an image. Early methods primarily rely on image cropping to enhance composition, which is restricted to the viewpoint and spatial arrangement of the input image. Recent methods have explored image understanding and editing to improve composition, but they mainly focus on instruction following and aesthetic quality, overlooking the importance of 3D scene geometry consistency for photographic composition. In this work, we propose GeoComposer, a novel geometry-grounded photographic composition framework that analyzes the composition of a given image to generate textual guidance and synthesizes a visual exemplar that enhances the composition of the given image. To promote geometry-grounded composition, we propose a geometry-aware representation learning mechanism that leverages geometric priors from a visual geometry foundation model to shape the intermediate representations of the composition editing model. This mechanism preserves both global structural relationships and local fine-grained correspondences for geometry-grounded composition. Furthermore, we propose a reinforcement learning strategy guided by a hybrid reward that jointly optimizes instruction following, aesthetic quality, and geometric consistency. This enables the model to generate visual exemplars that faithfully follow the composition instructions while remaining visually appealing and geometrically consistent. Extensive experiments show the superiority of our approach over state-of-the-art methods, highlighting its effectiveness in generating visually appealing and geometrically consistent composition.
• Abstract（参考訳）: 写真合成は、画像のフレーミング、視点、空間配置を改善するための視覚的ガイダンスを提供することを目的としている。 初期の手法は、入力画像の視点と空間的配置に制限される構成を強化するために、主に画像トリミングに依存していた。 近年,画像理解と編集の手法が研究されているが,画像合成における3次元シーン形状の整合性の重要性を見越して,指示の追従と美的品質に重点を置いている。 本研究では,ジオコンポサ(GeoComposer)を提案する。ジオコンポサ(GeoComposer)は,与えられた画像の合成を分析してテキストガイダンスを生成し,与えられた画像の合成を強化する視覚的例を合成する,新しいジオコンポサ(GeoComposer)である。 幾何学的基礎モデルから幾何学的先行情報を利用して合成編集モデルの中間表現を形作る幾何学的認識型表現学習機構を提案する。 この機構は、幾何学的基底合成に対する大域的構造関係と局所的微細な対応の両方を保存する。 さらに,指導の追従,審美的品質,幾何学的整合性を協調的に最適化するハイブリッド報酬による強化学習戦略を提案する。 これにより、モデルは、視覚的に魅力的で幾何学的に整合性を維持しながら、構成指示に忠実に従う視覚的な見本を生成できる。 広汎な実験により、我々のアプローチが最先端の手法よりも優れていることが示され、視覚的に魅力的で幾何学的に一貫した構成を生成する効果が浮き彫りになった。

関連論文リスト

• Advancing Aesthetic Image Generation via Composition Transfer [57.624601729777986]
  Composerは、意味に依存しない方法で構成をモデル化するように設計されたフレームワークである。 参照画像からキー合成認識表現を抽出することにより、合成転送をサポートする。 また、大規模視覚言語モデルのコンテキスト内学習機能を活用することで、テーマ駆動型合成検索もサポートする。
  論文  参考訳（メタデータ） (2026-05-06T07:56:16Z)
• UniGeo: Unifying Geometric Guidance for Camera-Controllable Image Editing via Video Models [20.550231658763085]
  カメラ制御可能な画像編集は、カメラポーズの異なるシーンの新しいビューを合成することを目的としている。 既存の方法は、表現レベルで点雲を注入するなど、断片化された幾何学的ガイダンスに依存している。 カメラ制御可能な新しい編集フレームワークUniGeoを提案する。
  論文  参考訳（メタデータ） (2026-04-19T18:11:08Z)
• Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation [62.87088388345378]
  ワーピング・アンド・インペインティング手法を用いて,新しいビューイメージと幾何学生成の整合性を実現する拡散型フレームワークを提案する。 手法は、既製の幾何学予測器を利用して、参照画像から見る部分的な幾何学を予測する。 生成した画像と幾何の正確なアライメントを確保するために, クロスモーダルアテンション蒸留法を提案する。
  論文  参考訳（メタデータ） (2025-06-13T16:19:00Z)
• Self-Supervised Image Representation Learning with Geometric Set Consistency [50.12720780102395]
  本稿では,3次元幾何整合性に基づく自己教師付き画像表現学習法を提案する。 具体的には、画像ビュー内の特徴整合性を強化するために、コントラスト学習フレームワークに3次元幾何学的整合性を導入する。
  論文  参考訳（メタデータ） (2022-03-29T08:57:33Z)
• Adversarial Image Composition with Auxiliary Illumination [53.89445873577062]
  本稿では,現実的な画像合成を実現するためのAIC-Netを提案する。 影の発生と前景の移動を両立させる新しい分岐生成機構を提案する。 歩行者と自動車のコンポジションタスクに関する実験により,提案したAIC-Netが優れたコンポジション性能を実現することを示す。
  論文  参考訳（メタデータ） (2020-09-17T12:58:16Z)
• Hierarchy Composition GAN for High-fidelity Image Synthesis [57.32311953820988]
  本稿では,革新的階層構成GAN(HIC-GAN)を提案する。 HIC-GANは、幾何学と外観領域における画像合成をエンドツーエンドのトレーニング可能なネットワークに組み込んでいる。 シーンテキスト画像合成, 肖像画編集, 室内レンダリングタスクの実験により, 提案したHIC-GANは, 質的, 定量的に優れた合成性能が得られることを示した。
  論文  参考訳（メタデータ） (2019-05-12T11:11:24Z)

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。