論文の概要: Salvation Lies Within: Eliciting Inherent Style Transfer in Step-Distilled Diffusion Models

• arxiv url: http://arxiv.org/abs/2610.05066v1
• Date: Sun, 04 Oct 2026 09:06:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 06:36:19.822703
• Title: Salvation Lies Within: Eliciting Inherent Style Transfer in Step-Distilled Diffusion Models
• Title（参考訳）: ステップ拡散モデルにおける継承スタイルの伝達を緩和する救世嘘
• Abstract要約: T2I (Step-distilled text-to-image) モデルに適用すると、追加の計算コストが発生する。 StyleForgeは、参照スタイルを再利用可能なレンダリング命令として表現する、完全に自動化されたトレーニング不要のフレームワークである。
• 参考スコア（独自算出の注目度）: 25.119123445891944
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adapting step-distilled text-to-image (T2I) models through post-training incurs additional computational costs and affects native few-step generation behavior. This motivates a complementary route beyond style-specific adaptation: drawing on the visual knowledge already encoded in step-distilled T2I models to elicit stylistic capabilities through language. Pursuing this direction requires textual guidance that captures how visual attributes jointly define a style and remain applicable as the depicted content changes. To explore this approach, we introduce StyleForge, a fully automatic, training-free framework that expresses reference styles as reusable rendering instructions. By integrating overall rendering characteristics with local color and lighting behavior, StyleForge organizes visual evidence from reference images into a coherent specification of how the target style should be expressed. The specification is then compiled into textual guidance that can be reused across content prompts, enabling frozen step-distilled T2I models to render different subjects and scenes in the reference style while retaining native few-step generation. Extensive experiments show relative gains of up to 29.47\% in generation quality scores over the strongest baseline, while Pareto analysis indicates that improved stylization is accompanied by strong adherence to the requested content.
• Abstract（参考訳）: ステップ蒸留されたテキスト・トゥ・イメージ(T2I)モデルに後処理を施すことで計算コストが増大し、ネイティブな数ステップ生成に影響を及ぼす。 ステップ分割されたT2Iモデルにすでにエンコードされている視覚的知識に基づいて、言語を通してスタイリスティックな能力を引き出す。 この方向に進むためには、視覚的属性がスタイルをどう共同で定義するかをキャプチャし、表示されたコンテンツの変更に従って適用し続ける、テキストによるガイダンスが必要である。 このアプローチを探求するために,参照スタイルを再利用可能なレンダリング命令として表現する,完全に自動化されたトレーニング不要のフレームワークであるStyleForgeを紹介した。 全体のレンダリング特性を局所的な色や照明行動と統合することにより、StyleForgeは、参照画像からの視覚的エビデンスを、ターゲットのスタイルをどのように表現すべきかのコヒーレントな仕様にまとめる。 仕様は、コンテンツプロンプト間で再利用可能なテキストガイダンスにコンパイルされ、凍結したステップ蒸留されたT2Iモデルは、ネイティブな数ステップ生成を保持しながら、参照スタイルで異なる主題やシーンをレンダリングすることができる。 大規模な実験では、最強のベースラインに対する生成品質スコアが29.47\%まで上昇する一方、Pareto分析では、改善されたスタイリゼーションは要求されたコンテンツへの強い固執を伴うことが示されている。

関連論文リスト

• Staying True to the Origin: Continuous Image Stylization with Smooth Transitions [29.045705826800557]
  本稿では,連続制御の観点から,画像のスタイリングにアプローチする。 提案手法は,最新のDiTモデルを用いて高忠実度結果を生成しながら,スタイリゼーション強度の高精度かつ連続的な操作を支援する。
  論文  参考訳（メタデータ） (2026-08-08T13:17:51Z)
• StyleBrush: Style Extraction and Transfer from a Single Image [19.652575295703485]
  ビジュアルコンテンツのスティル化は、オリジナルの構造的特徴を保ちながら、ピクセルレベルで特定のスタイルパターンを追加することを目的としている。 本稿では,参照画像からスタイルを正確にキャプチャし,抽出したスタイルを他の入力ビジュアルコンテンツにブラシするStyleBrushを提案する。
  論文  参考訳（メタデータ） (2024-08-18T14:27:20Z)
• ArtWeaver: Advanced Dynamic Style Integration via Diffusion Model [73.95608242322949]
  Stylized Text-to-Image Generation (STIG)は、テキストプロンプトとスタイル参照画像から画像を生成することを目的としている。 我々は、事前訓練された安定拡散を利用して、誤解釈スタイルや一貫性のない意味論といった課題に対処する新しいフレームワーク、ArtWeaverを提案する。
  論文  参考訳（メタデータ） (2024-05-24T07:19:40Z)
• StyleCrafter: Enhancing Stylized Text-to-Video Generation with Style Adapter [78.75422651890776]
  StyleCrafterは、トレーニング済みのT2Vモデルをスタイルコントロールアダプタで拡張する汎用的な方法である。 コンテンツスタイルのゆがみを促進するため,テキストプロンプトからスタイル記述を取り除き,参照画像のみからスタイル情報を抽出する。 StyleCrafterは、テキストの内容と一致し、参照画像のスタイルに似た高品質なスタイリングビデオを効率よく生成する。
  論文  参考訳（メタデータ） (2023-12-01T03:53:21Z)
• StyleAdapter: A Unified Stylized Image Generation Model [97.24936247688824]
  StyleAdapterは、様々なスタイリング画像を生成することができる統一型スタイリング画像生成モデルである。 T2I-adapter や ControlNet のような既存の制御可能な合成手法と統合することができる。
  論文  参考訳（メタデータ） (2023-09-04T19:16:46Z)
• Visual Captioning at Will: Describing Images and Videos Guided by a Few Stylized Sentences [49.66987347397398]
  Few-Shot Stylized Visual Captioningは,任意のスタイルでキャプションを生成することを目的としている。 本稿では,条件付きエンコーダ-デコーダ言語モデルとビジュアルプロジェクションモジュールを用いたFS-StyleCapというフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-31T04:26:01Z)
• ALADIN-NST: Self-supervised disentangled representation learning of artistic style through Neural Style Transfer [60.6863849241972]
  我々は、画像に描かれた意味的内容から、より強く絡み合った視覚芸術スタイルの表現を学習する。 スタイルと内容の絡み合いに強く対処することで、スタイル固有のメトリクスが大きく向上することを示します。
  論文  参考訳（メタデータ） (2023-04-12T10:33:18Z)

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。