論文の概要: Zero-Shot Object Removal via Attention Masking, Latent Anchoring, and Refinement

• arxiv url: http://arxiv.org/abs/2609.28342v1
• Date: Wed, 23 Sep 2026 16:19:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.10712
• Title: Zero-Shot Object Removal via Attention Masking, Latent Anchoring, and Refinement
• Title（参考訳）: アテンション・マスキング, 潜伏アンコリング, およびリファインメントによるゼロショット物体除去
• Abstract要約: 本稿では,凍結保存拡散モデルを用いた制約付潜水塗料の塗布フレームワークを提案する。 この方法はSAMベースのマスク構築、BLIP画像キャプション条件、DDIMインバージョン、デコーダ自己アテンションマスク、ハード外部マスク遅延アンカー、ローカライズされたrenoise-denoise精細化を統一パイプラインに統合する。
• 参考スコア（独自算出の注目度）: 2.0391237204597363
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Removing an object from a real image requires more than synthesizing plausible content within a mask: the method must suppress residual object features, preserve the unedited scene, and generate replacement content that is consistent with the surrounding background. This paper approaches object removal from a stage-based perspective and proposes a zero-shot framework for constrained latent inpainting with a frozen pretrained Stable Diffusion model, requiring no task-specific training or model fine-tuning. The method integrates SAM-based mask construction, BLIP image-caption conditioning, DDIM inversion, background-weighted masked null-text optimization, decoder self-attention masking, hard outside-mask latent anchoring, and localized renoise--denoise refinement into a unified pipeline. The method is evaluated through qualitative examples, quantitative local-consistency metrics, and ablation studies. The results demonstrate effective object removal and context-consistent replacement content. The ablations indicate that background-weighted masked NTI is particularly beneficial for structurally complex backgrounds, whereas the no-NTI variant is sufficient in other evaluated examples. Repeated refinement further reduces object remnants and boundary artifacts remaining after the primary editing pass.
• Abstract（参考訳）: オブジェクトを実際の画像から取り除くには、マスク内の可塑性コンテンツを合成する以上のことが必要であり、残余なオブジェクトの特徴を抑え、未編集のシーンを保存し、周囲の背景と整合した代替コンテンツを生成する必要がある。 本稿では,段階的視点からオブジェクトの除去にアプローチし,タスク固有のトレーニングやモデル微調整を必要とせず,凍結した安定拡散モデルによる制約付き潜伏塗装のためのゼロショットフレームワークを提案する。 この方法はSAMベースのマスク構築、BLIP画像キャプション条件、DDIMインバージョン、バックグラウンド重み付きマスク付きヌルテキスト最適化、デコーダ自己アテンションマスキング、ハード外マスク遅延アンカー、ローカライズされたrenoise-denoise精細化を統合パイプラインに統合する。 この手法は定性的な例、定量的局所一貫性メトリクス、アブレーション研究によって評価される。 その結果,効果的なオブジェクト除去とコンテキスト一貫性の代替コンテンツが得られた。 背景重み付きNTIは構造的に複雑な背景に対して特に有用であるが、非NTI変種は他の評価例では十分であることを示す。 繰り返しリファインメントは、プライマリ編集パス後に残るオブジェクト残余や境界アーティファクトをさらに削減する。

関連論文リスト

• EraseLoRA: MLLM-Driven Foreground Exclusion and Background Subtype Aggregation for Dataset-Free Object Removal [10.015328934927062]
  本稿では,注目手術を背景認識推論とテスト時間適応に置き換えるデータセットフリーフレームワークであるEraseLoRAを提案する。 第一に、バックグラウンド対応のフォアグラウンド・エクスクルージョン(BFE)は、マルチモーダルな言語モデルを使用して、ターゲットフォアグラウンド、非ターゲットフォアグラウンド、クリーンなバックグラウンドを、ペアの監督なしに単一のイメージマスクペアから分離する。 第2に、サブタイプアグリゲーション(BRSA)によるバックグラウンド認識リコンストラクションは、推論されたバックグラウンドサブタイプを相補的なピースとして扱うテストタイム最適化を実行する。
  論文  参考訳（メタデータ） (2025-12-25T07:34:38Z)
• CAM-Seg: A Continuous-valued Embedding Approach for Semantic Image Generation [11.170848285659572]
  量子化埋め込みを用いたセグメンテーションマスクのオートエンコーダ精度は連続数値埋め込みよりも8%低い。 セマンティックセグメンテーションのための連続評価組込みフレームワークを提案する。 提案手法では,細粒度のセマンティックな詳細を保存しながら,離散的な潜在表現の必要性を排除している。
  論文  参考訳（メタデータ） (2025-03-19T18:06:54Z)
• OmniPaint: Mastering Object-Oriented Editing via Disentangled Insertion-Removal Inpainting [54.525583840585305]
  我々はオブジェクトの削除と挿入を相互依存プロセスとして再概念化する統合フレームワークであるOmniPaintを紹介した。 我々の新しいCFDメトリクスは、コンテキスト整合性とオブジェクト幻覚の堅牢で参照不要な評価を提供する。
  論文  参考訳（メタデータ） (2025-03-11T17:55:27Z)
• Erase Diffusion: Empowering Object Removal Through Calibrating Diffusion Pathways [13.08168394252538]
  Erase inpaintingは、周囲のコンテンツの全体的な一貫性を維持しながら、マスクされた領域内でターゲットオブジェクトを正確に除去することを目的としている。 オブジェクト除去の文脈において,標準拡散の潜在的なパワーを解放することを目的として,Eraase Diffusionと呼ばれる新しいEraase Diffusionを提案する。 提案したEraDiffは,OpenImages V5データセットの最先端性能を実現し,実世界のシナリオにおいて大きな優位性を示す。
  論文  参考訳（メタデータ） (2025-03-10T08:06:51Z)
• SmartEraser: Remove Anything from Images using Masked-Region Guidance [114.36809682798784]
  SmartEraserはMasked-Region Guidanceと呼ばれる新しい削除パラダイムで構築されている。 Masked-Region Guidanceは、削除プロセスのガイダンスとして、入力中のマスクされた領域を保持します。 大規模オブジェクト除去データセットであるSyn4Removalを提案する。
  論文  参考訳（メタデータ） (2025-01-14T17:55:12Z)
• DiffUHaul: A Training-Free Method for Object Dragging in Images [78.93531472479202]
  DiffUHaulと呼ばれるオブジェクトドラッグタスクのためのトレーニング不要な手法を提案する。 まず、各認知段階に注意マスキングを適用して、各生成を異なるオブジェクトにまたがってよりゆがみやすくする。 初期のデノナイジングステップでは、ソース画像とターゲット画像の注意特徴を補間して、新しいレイアウトを元の外観とスムーズに融合させる。
  論文  参考訳（メタデータ） (2024-06-03T17:59:53Z)

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。