論文の概要: DecFlowEdit: Self-Localized Flow-based Image Editing via Guidance Decoupling

• arxiv url: http://arxiv.org/abs/2609.34237v1
• Date: Mon, 28 Sep 2026 03:41:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 22:41:36.41292
• Title: DecFlowEdit: Self-Localized Flow-based Image Editing via Guidance Decoupling
• Title（参考訳）: DecFlowEdit: ガイダンスデカップリングによる自己ローカライズされたフローベースの画像編集
• Abstract要約: FlowEditのデフォルトガイダンス(CFG)設定は、非対称なソースとターゲットスケールで、かなりのバックグラウンドリークを引き起こす。 そこで我々は,フローベース生成モデルにおける局所化と編集のための最適ガイダンス尺度を分離したDecFlowEditを提案する。 本手法は,外部空間マスクも注意操作も必要とせず,トレーニング不要で反転のないままである。
• 参考スコア（独自算出の注目度）: 37.82905961212533
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flow-based image editing (FlowEdit) enables inversion-free semantic changes through the difference between source and target velocities. In this paper, we observe that FlowEdit's default classifier-free guidance (CFG) configuration, with asymmetric source and target scales, causes substantial background leakage. Matching these guidance scales, for example by removing CFG, improves edit-relevant localization but severely degrades editability. To get the best of both worlds, we propose DecFlowEdit, which decouples the optimal guidance scales for localization and for editing in flow-based generative models. In particular, DecFlowEdit first extracts an edit-relevant prior by temporally aggregating velocity differences evaluated without CFG, and then uses this prior to reweight the original updates under default CFG. Our method remains training-free and inversion-free, requiring neither external spatial masks nor attention manipulation. Experiments on PIE-Bench across FLUX, SD3, and SD3.5 show that DecFlowEdit improves background preservation, reducing structure distance by approximately 61 to 73 percent and background LPIPS by 68 to 80 percent relative to FlowEdit at comparable editing fidelity.
• Abstract（参考訳）: FlowEdit(FlowEdit)は、ソースとターゲットの速度の違いによるインバージョンフリーなセマンティックな変更を可能にする。 本稿では、FlowEditのデフォルトの分類器フリーガイダンス(CFG)構成が、非対称なソースとターゲットスケールで、かなりのバックグラウンドリークを引き起こすことを観察する。 例えば、CFGを削除することで、これらのガイダンススケールにマッチすると、編集関連ローカライゼーションが改善されるが、編集性は著しく低下する。 両世界を最大限に活用するために,フローベース生成モデルにおける局所化と編集のための最適なガイダンス尺度を分離したDecFlowEditを提案する。 特に、DecFlowEditは、CFGなしで評価された速度差を時間的に集約することで、最初に編集関連を抽出し、その後、デフォルトのCFGの下で元の更新を再重み付けするためにこれを使用する。 本手法は,外部空間マスクも注意操作も必要とせず,トレーニング不要で反転のないままである。 FLUX、SD3、SD3.5にわたるPIE-Benchの実験では、DecFlowEditは背景保存を改善し、構造距離を61～73パーセント、バックグラウンドLPIPSを68～80%削減した。

関連論文リスト

• DirectEdit: Step-Level Accurate Inversion for Flow-Based Image Editing [51.56484100374058]
  我々は、事前訓練されたテキスト・ツー・イメージ(T2I)モデルのトレーニング不要な編集方法であるDirectEditを提案する。 DirectEditは、追加の神経機能評価(NFE)を導入することなく、固有の再構成エラーを除去する 実験により、DirectEditは効率よく正確な画像編集を実現し、最先端の手法よりも優れたパフォーマンスを提供することが示された。
  論文  参考訳（メタデータ） (2026-05-04T10:09:18Z)
• Delta Velocity Rectified Flow for Text-to-Image Editing [15.665085495430313]
  本稿では,テキストから画像への編集のための新しいインバージョンフリーなパス認識編集フレームワークであるDelta Velocity Rectified Flow (DVRF)を提案する。 実験結果から,DVRFは編集品質,忠実度,制御性に優れ,設計上の変更は不要であることが示唆された。
  論文  参考訳（メタデータ） (2025-09-01T21:51:24Z)
• FlowAlign: Trajectory-Regularized, Inversion-Free Flow-based Image Editing [47.908940130654535]
  FlowAlignは、最適な制御ベースの軌道制御による一貫した画像編集のためのインバージョンフリーなフローベースフレームワークである。 我々の終点正規化は、編集プロンプトとのセマンティックアライメントのバランスと、軌道に沿ったソース画像との構造的整合性を示す。 FlowAlignは、ソース保存と編集の制御性の両方において、既存のメソッドよりも優れています。
  論文  参考訳（メタデータ） (2025-05-29T06:33:16Z)

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。