論文の概要: Disentangling Dual Image References in Frequency Aware Diffusion Models for Personalized Generation

• arxiv url: http://arxiv.org/abs/2610.07684v1
• Date: Tue, 06 Oct 2026 03:18:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.784819
• Title: Disentangling Dual Image References in Frequency Aware Diffusion Models for Personalized Generation
• Title（参考訳）: パーソナライズドジェネレーションのための周波数認識拡散モデルにおける双対画像参照の遠方化
• Abstract要約: 2つの参照(カスタマイズ、色、スタイル参照)に基づいてパーソナライズされた生成を研究する。 本稿では、周波数対応拡散モデルにおいて、これらのデュアル画像参照をアンタングル化するパラダイムを提案する。 カラースタイルの転送では、背景の低周波帯域を前景と背景の両方のカラー参照に置き換える。
• 参考スコア（独自算出の注目度）: 10.830941311992746
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Personalized image generation aims to synthesize text-driven images conditioned on reference images, while mainly casting the generation as image customization for foreground and style transfer for background. Previous arts of diffusion models suffers from the text misalignment with background for image customization and foreground for style transfer during the denoising process. Such facts, as we observed, rooted from the entanglement among hybrid frequency bands during the denoising process. To address such salient limitation, in this paper, we study personalized generation based on dual references - customization and color and style reference - and propose a paradigm to disentangle these Dual image references within Frequency-aware Diffusion Models, dubbed Dual-FDM, to simultaneously tackle two crucial personalized image generation tasks: customization style transfer and color style transfer, by disentangling different frequency bands via mask strategy within frequency domain. For customization style transfer, we replace the mid-frequency band of the background in the style reference with that from the foreground of the customized reference. For color style transfer, we substitute the low-frequency band of the background in the style reference with that from both the foreground and background of the color reference. Both the substituted frequency bands are used as the key and value to reconstruct the query foreground and background of the denoised personalized image.Extensive experiments validate the superiority of Dual-FDM over the state-of-the-art diffusion models for personalized image generation. Our code can be accessed from https://github.com/htyjers/Dual-FDM.
• Abstract（参考訳）: パーソナライズされた画像生成は、参照画像に条件付けされたテキスト駆動画像の合成を目的としている。 拡散モデルの従来の芸術は、画像のカスタマイズとデノナイジング過程におけるスタイル転送の背景に、テキストの不整合に悩まされている。 このような事実は、偏極化過程におけるハイブリッド周波数帯間の絡み合いから根付いていた。 本稿では,2つの参照(カスタマイズと色とスタイル参照)に基づいてパーソナライズされた画像生成について検討し,周波数領域内のマスク戦略を介して異なる周波数帯域をアンタングルすることで,2つの重要なパーソナライズされた画像生成タスクに同時に取り組むために,Dual-FDMと呼ばれる周波数認識拡散モデル内でこれらのデュアル画像参照をアンタングルするパラダイムを提案する。 カスタマイズスタイル転送では、背景のミッド周波数帯域を、カスタマイズされた参照のフォアグラウンドのものと置き換える。 カラースタイルの転送では、背景の低周波帯域を前景と背景の両方のカラー参照に置き換える。 代用周波数帯域をキーおよび値として用いて, 個別化画像のクエリフォアグラウンドと背景を再構築し, 個別化画像生成のための最先端拡散モデルよりもDual-FDMの優位性を検証した。 私たちのコードはhttps://github.com/htyjers/Dual-FDMからアクセスできます。

関連論文リスト

• Equilibrated Diffusion: Frequency-aware Textual Embedding for Equilibrated Image Customization [31.67012394425792]
  画像カスタマイズは、基準概念画像から対象対象を学習し、テキストプロンプト毎に条件付き画像を生成する。 一般的な方法は、様々な概念属性を統一された潜伏埋め込みにまとめるために微調整を採用する。 本稿では、バランスの取れたカスタマイズと一貫したテキスト-視覚的マッチングのために、絡み合った概念機能を切り離す周波数駆動型手法である平衡拡散を提案する。
  論文  参考訳（メタデータ） (2026-06-01T11:57:10Z)
• UniCustom: Unified Visual Conditioning for Multi-Reference Image Generation [65.53694602893042]
  VLMエンコーディングの前にVTとVAE機能を融合した統合ビジュアルコンディショニングフレームワークを提案する。 2つのマルチ参照生成ベンチマークの実験により、UniCustomは主題の一貫性、命令従順、構成の忠実さを一貫して改善することを示した。
  論文  参考訳（メタデータ） (2026-05-12T13:10:05Z)
• Free-Lunch Color-Texture Disentanglement for Stylized Image Generation [62.215875006311876]
  本稿では,タイマライズされたT2I生成において,フリーランチなカラーテクスチャ・ディコンタングルを実現するための,最初のチューニング自由アプローチを提案する。 Our Style Attributes Disentanglement approach (SADis)は、より正確でカスタマイズ可能な、スタイリングされた画像生成ソリューションを提供する。 WikiArtとStyleDropのデータセットの画像に対する実験は、SADisがDisIGタスクの最先端化方法を上回ることを実証している。
  論文  参考訳（メタデータ） (2025-03-18T14:10:43Z)
• ImPoster: Text and Frequency Guidance for Subject Driven Action Personalization using Diffusion Models [55.43801602995778]
  提案するImPosterは,「運転」動作を行う「ソース」対象のターゲット画像を生成する新しいアルゴリズムである。 私たちのアプローチは完全に教師なしで、キーポイントやポーズといった追加のアノテーションへのアクセスは不要です。
  論文  参考訳（メタデータ） (2024-09-24T01:25:19Z)
• Training-free Color-Style Disentanglement for Constrained Text-to-Image Synthesis [16.634138745034733]
  そこで本研究では,参照画像から色とスタイル属性のテキスト・ツー・イメージを分離する,最初のトレーニングフリーでテスト時間のみの手法を提案する。
  論文  参考訳（メタデータ） (2024-09-04T04:16:58Z)
• Neural Preset for Color Style Transfer [46.66925849502683]
  本稿では,既存のカラースタイル転送手法の限界に対処するニューラルプレセット手法を提案する。 提案手法は2つのコア設計に基づいており,まず,各画素に対して連続的に動作する決定論的ニューラルカラーマッピング(DNCM)を提案する。 第2に、タスクをカラー正規化とスタイル化に分割することで、2段階のパイプラインを構築する。
  論文  参考訳（メタデータ） (2023-03-23T17:59:10Z)

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。