論文の概要: ReGain: Restoring Subject Fidelity in Personalization on Synthetic Images

• arxiv url: http://arxiv.org/abs/2609.38680v1
• Date: Wed, 30 Sep 2026 00:04:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.856271
• Title: ReGain: Restoring Subject Fidelity in Personalization on Synthetic Images
• Title（参考訳）: ReGain:合成画像のパーソナライズにおける主観的忠実性の回復
• Abstract要約: テキストから画像への拡散モデルは、DreamBoothによるいくつかの画像の微調整によって被写体にパーソナライズされる。 このような合成画像の微調整は被写体忠実度を劣化させ,過飽和色と高頻度ディテールを生じさせることを示す。 ReGainはサンプリング時に適用されたトレーニング不要な修正で、ガイダンスの各周波数帯域がどれだけ膨らませられているかを測定する。
• 参考スコア（独自算出の注目度）: 9.887967163951862
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text-to-image diffusion models are personalized to a subject by DreamBooth fine-tuning on a handful of its images. Increasingly, these images come from a diffusion model rather than a camera. We show that fine-tuning on such synthetic images degrades subject fidelity, producing oversaturated color and excess high-frequency detail. To isolate the cause, we fine-tune two models from the same base model with the same DreamBooth recipe, one on real photos of a subject and one on synthetic images of that subject generated by the first. We trace the degradation to classifier-free guidance (CFG). For the model personalized on synthetic images, the angle between the conditional and unconditional noise predictions, and with it the norm of their difference, is much larger than for the model personalized on real photos. This inflation grows toward high frequencies and also appears at other prompts semantically close to the subject, such as its class noun, but not at unrelated ones. We propose ReGain, a training-free correction applied at sampling time that measures how much each frequency band of the guidance is inflated relative to the base model and scales that band down accordingly. ReGain needs no real photos. On Stable Diffusion v1.5, ReGain closes 51-64% of the subject-fidelity gap to the model personalized on real photos, as measured by DINO, DINOv2 and CLIP-I. It also improves subject fidelity on SDXL and SD 3.5 and preserves text alignment on all three backbones.
• Abstract（参考訳）: テキストから画像への拡散モデルは、DreamBoothによるいくつかの画像の微調整によって被写体にパーソナライズされる。 これらの画像はますます、カメラではなく拡散モデルから来ている。 このような合成画像の微調整は被写体忠実度を劣化させ,過飽和色と高頻度ディテールを生じさせることを示す。 原因を抽出するために,同じベースモデルから同一のDreamBoothレシピで2つのモデルを微調整する。 我々は,分類器フリーガイダンス (CFG) の劣化を辿った。 合成画像にパーソナライズされたモデルでは、条件付きノイズ予測と非条件付きノイズ予測のアングル、およびそれらの差のノルムは、実際の写真にパーソナライズされたモデルよりもはるかに大きい。 このインフレーションは高頻度に向かって成長し、クラス名詞のような主題にセマンティックに近づいた他のプロンプトにも現れるが、無関係なものには現れない。 ReGainはサンプリング時に適用されたトレーニング不要な補正であり、ベースモデルに対してガイダンスの各周波数帯域がどれだけ膨らませられているかを測定し、それに応じてバンドをスケールダウンさせる。 ReGainには本物の写真は必要ない。 安定拡散v1.5では、ReGainは、DINO、DINOv2、CLIP-Iによって測定された、実際の写真に基づいてパーソナライズされたモデルに対する主観的忠実度ギャップの51-64%を閉じている。 また、SDXLとSD 3.5の被写体忠実度を改善し、3つのバックボーンのテキストアライメントを維持できる。

関連論文リスト

• Unlocking the Potential of Diffusion Priors in Blind Face Restoration [63.419272650578165]
  本研究では、2つのモードを切り替えて特定のギャップを解消する統合ネットワークFLIPNETを提案する。 復元モードでは、モデルは徐々にBFR指向の特徴とLQ画像からの顔埋め込みを統合し、真正かつ忠実な顔復元を実現する。 劣化モードでは、実際の劣化データセットから学んだ知識に基づいて、劣化した画像のような現実世界を合成する。
  論文  参考訳（メタデータ） (2025-08-12T01:50:55Z)
• Ambient Diffusion Omni: Training Good Models with Bad Data [45.821861121026394]
  拡散モデルの品質向上のために,低品質,合成,分布外画像の使い方を示す。 我々は、利用可能なすべての画像から信号を取り出すことができる拡散モデルを訓練するための原則的なフレームワークであるAmbient Omniを提案する。
  論文  参考訳（メタデータ） (2025-06-10T22:37:39Z)
• Noise Consistency Regularization for Improved Subject-Driven Image Synthesis [55.75426086791612]
  微調整安定拡散は、モデルを適用して特定の対象を含む画像を生成することによって、被写体駆動画像合成を可能にする。 既存の微調整手法は、モデルが確実に被写体を捕捉できない不適合と、被写体イメージを記憶し、背景の多様性を減少させる過適合の2つの主要な問題に悩まされる。 拡散微調整のための2つの補助的整合性損失を提案する。第1に、事前(非対象)画像に対する予測拡散雑音が事前訓練されたモデルと一致し、忠実度が向上する。
  論文  参考訳（メタデータ） (2025-06-06T19:17:37Z)
• Not Every Image is Worth a Thousand Words: Quantifying Originality in Stable Diffusion [21.252145402613472]
  本研究は,テキスト・ツー・イメージ(T2I)生成拡散モデルにおける原点の定量化という課題に対処する。 本稿では,テキストのインバージョンを利用して画像の原点度をモデルによる再構成に必要なトークン数に基づいて測定する手法を提案する。
  論文  参考訳（メタデータ） (2024-08-15T14:42:02Z)
• Direct Consistency Optimization for Robust Customization of Text-to-Image Diffusion Models [67.68871360210208]
  テキスト・ツー・イメージ(T2I)拡散モデルは、いくつかの個人画像に微調整された場合、高い一貫性で視覚を生成することができる。 本稿では,微調整モデルと事前学習モデルとの偏差を制御し,直接整合性最適化(Direct Consistency Optimization)と呼ばれる新たな微調整対象を提案する。 提案手法は, 通常の微調整モデルとのマージに最適化したモデルよりも, 高速な忠実度と主観的忠実度が得られることを示す。
  論文  参考訳（メタデータ） (2024-02-19T09:52:41Z)
• Steered Diffusion: A Generalized Framework for Plug-and-Play Conditional Image Synthesis [62.07413805483241]
  Steered Diffusionは、無条件生成のために訓練された拡散モデルを用いたゼロショット条件画像生成のためのフレームワークである。 塗装,着色,テキスト誘導セマンティック編集,画像超解像などのタスクに対して,ステアリング拡散を用いた実験を行った。
  論文  参考訳（メタデータ） (2023-09-30T02:03:22Z)
• Exploiting Unlabelled Photos for Stronger Fine-Grained SBIR [103.51937218213774]
  本稿では,先行技術の11%をオーバーシュートする強力なベースラインを提示することにより,微細なスケッチベース画像検索(FG-SBIR)の文献化を推し進める。 本稿では,写真/スケッチインスタンス間の分離を明示的に実施する標準的な三重項損失の簡単な修正を提案する。 i) スケッチ間でのモダル内トリプルトロスを利用して、同じインスタンスのスケッチを他のインスタンスに近づけます。
  論文  参考訳（メタデータ） (2023-03-24T03:34:33Z)
• Uncovering the Disentanglement Capability in Text-to-Image Diffusion Models [60.63556257324894]
  画像生成モデルの重要な特性は、異なる属性をアンタングルする能力である。 本稿では,2つのテキスト埋め込みの混合重みをスタイルマッチングとコンテンツ保存に最適化した,シンプルで軽量な画像編集アルゴリズムを提案する。 実験により,提案手法は拡散モデルに基づく画像編集アルゴリズムよりも優れた性能で,幅広い属性を修正可能であることが示された。
  論文  参考訳（メタデータ） (2022-12-16T19:58:52Z)

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。