論文の概要: ScribbleEdit: A Benchmark for Scribble-Only Image Editing

• arxiv url: http://arxiv.org/abs/2610.09382v1
• Date: Wed, 07 Oct 2026 03:38:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.707349
• Title: ScribbleEdit: A Benchmark for Scribble-Only Image Editing
• Title（参考訳）: ScribbleEdit: Scribble-Only Image Editingのベンチマーク
• Abstract要約: Scribbleベースのインタラクションは、ユーザがインタラクティブな編集ツールで画像編集意図を指定するための軽量で直感的な方法を提供する。 VLM や LLM に基づいた現在の画像編集モデルは、スクリブル入力のみに基づく編集の理解と実行に苦慮している。 ScribbleEditという新しいベンチマークを構築し、スクリブル上で画像編集を行うための画像編集モデルの能力を評価する。
• 参考スコア（独自算出の注目度）: 28.817981641501543
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scribble-based interaction provides a lightweight and intuitive way for users to specify image editing intents in interactive editing tools. However, current image editing models based on VLMs or LLMs struggle to understand and execute edits based solely on scribble inputs. To systematically study this problem, we construct a new benchmark, ScribbleEdit, that evaluates the ability of image editing models to perform image editing conditioned on scribbles. This task requires both a deep understanding of the intention of the scribble and an accurate interpretation of its spatial information. In ScribbleEdit, we design an automated data construction pipeline and introduce a dedicated evaluation protocol that explicitly measures intention alignment. Our analysis reveals that existing VLM/LLM-based editing models fail to accurately capture scribble intentions. To guide future progress on scribble-only image editing, we propose a simple yet effective soft-token baseline, which enhances the model's understanding of scribble semantics and outperforms standard image editing models on our benchmark. Our evaluation and baseline together provide a concrete foundation for assessing and improving the scribble-driven image editing.
• Abstract（参考訳）: Scribbleベースのインタラクションは、ユーザがインタラクティブな編集ツールで画像編集意図を指定するための軽量で直感的な方法を提供する。 しかしながら、VLM や LLM に基づいた現在の画像編集モデルは、スクリブル入力のみに基づく編集の理解と実行に苦慮している。 この問題を体系的に研究するために,画像編集モデルがスクリブル上で画像編集を行う能力を評価する新しいベンチマークであるScribbleEditを構築した。 このタスクは、スクリブルの意図の深い理解と、その空間情報の正確な解釈の両方を必要とする。 ScribbleEditでは、自動データ構築パイプラインを設計し、意図的アライメントを明示的に測定する専用の評価プロトコルを導入する。 解析の結果,既存のVLM/LLMベースの編集モデルではスクリブルの意図を正確に把握できないことがわかった。 我々は,スクリブルのみの画像編集の今後の進歩を導くために,スクリブルセマンティクスの理解を高め,標準画像編集モデルより優れている,シンプルで効果的なソフトトーンベースラインを提案する。 我々の評価とベースラインは、スクリブル駆動画像編集の評価と改善のための具体的な基盤を提供する。

関連論文リスト

• Describe, Don't Dictate: Semantic Image Editing with Natural Language Intent [38.61468007698179]
  そこで我々は,DescriptiveEditという記述型プロンプトベースの編集フレームワークを提案する。 中心となる考え方は「参照画像に基づくテキスト・ツー・イメージ生成」としての命令ベースの画像編集を再構築することである。
  論文  参考訳（メタデータ） (2025-08-28T07:45:08Z)
• GIE-Bench: Towards Grounded Evaluation for Text-Guided Image Editing [60.66800567924348]
  テキスト誘導画像編集モデルを評価するための新しいベンチマークを導入する。 このベンチマークには、20種類のコンテンツカテゴリにわたる高品質な編集例が1000以上含まれている。 我々は、GPT-Image-1をいくつかの最先端編集モデルと比較する大規模な研究を行っている。
  論文  参考訳（メタデータ） (2025-05-16T17:55:54Z)
• SPICE: A Synergistic, Precise, Iterative, and Customizable Image Editing Workflow [13.815228931600236]
  任意の解像度とアスペクト比を受け入れ、ユーザの要求を正確に追従し、100以上の編集ステップで画像品質を一貫して改善する、トレーニング不要のワークフローであるSPICEを紹介する。 挑戦的なリアルなイメージ編集データセットでは、SPICEは最先端のベースラインを定量的に上回り、人間のアノテータに一貫して好まれる。
  論文  参考訳（メタデータ） (2025-04-13T19:13:04Z)
• FireEdit: Fine-grained Instruction-based Image Editing via Region-aware Vision Language Model [54.693572837423226]
  FireEditは、Region対応のVLMを利用する、革新的なインストラクションベースの画像編集フレームワークである。 FireEditは、ユーザの指示を正確に理解し、編集プロセスの効果的な制御を保証するように設計されている。 提案手法は,最先端の命令ベース画像編集手法を超越した手法である。
  論文  参考訳（メタデータ） (2025-03-25T16:59:42Z)
• BrushEdit: All-In-One Image Inpainting and Editing [76.93556996538398]
  BrushEditは、インペイントベースの命令誘導画像編集パラダイムである。 本研究では,MLLMとデュアルブランチ画像の描画モデルを統合することで,自由形式の命令編集を可能にするシステムを提案する。 本フレームワークは,MLLMとインパインティングモデルを効果的に組み合わせ,7つの指標で優れた性能を実現する。
  論文  参考訳（メタデータ） (2024-12-13T17:58:06Z)
• SGEdit: Bridging LLM with Text2Image Generative Model for Scene Graph-based Image Editing [42.23117201457898]
  本稿では,大規模言語モデル(LLM)とText2生成モデルを統合し,グラフベースの画像編集を行う新しいフレームワークを提案する。 本フレームワークは,編集精度とシーン美学の観点から,既存の画像編集手法を著しく上回っている。
  論文  参考訳（メタデータ） (2024-10-15T17:40:48Z)
• Forgedit: Text Guided Image Editing via Learning and Forgetting [17.26772361532044]
  我々は Forgedit という新しいテキスト誘導画像編集手法を設計する。 まず,30秒で元の画像を再構成できる視覚言語共同最適化フレームワークを提案する。 次に,拡散モデルのテキスト埋め込み空間におけるベクトル投影機構を提案する。
  論文  参考訳（メタデータ） (2023-09-19T12:05:26Z)
• iEdit: Localised Text-guided Image Editing with Weak Supervision [53.082196061014734]
  テキスト誘導画像編集のための新しい学習法を提案する。 ソースイメージに条件付けされた画像とテキスト編集プロンプトを生成する。 画像の忠実度、CLIPアライメントスコア、および生成された画像と実際の画像の両方を定性的に編集する点において、画像に対して好ましい結果を示す。
  論文  参考訳（メタデータ） (2023-05-10T07:39:14Z)

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。