論文の概要: SliderEdit++: Improved Slider Trajectories in Instruction-Based Image Editing

• arxiv url: http://arxiv.org/abs/2610.14253v1
• Date: Fri, 09 Oct 2026 19:14:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.026628
• Title: SliderEdit++: Improved Slider Trajectories in Instruction-Based Image Editing
• Title（参考訳）: SliderEdit++: インストラクションベースのイメージ編集におけるSliderトラジェクトリの改善
• Abstract要約: Sliderベースのコントロールは、命令ベースの画像編集において、個々の編集の強度を連続的にきめ細かな制御を提供することを目的としている。 我々はSliderEdit++を提案する。これは、エンドポイントのみを監督するのではなく、中間編集軌道を明示的に正規化したものである。 本手法は最先端の性能を達成し,最強のベースラインに対して総合スコアを18.5%向上させる。
• 参考スコア（独自算出の注目度）: 92.83257364512419
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Slider-based control aims to give users continuous, fine-grained control over the intensity of individual edits in instruction-based image editing. However, existing approaches fail to deliver reliable continuous controllability: traversing a slider can produce abrupt visual jumps and non-monotonic changes, while jointly controlled sliders can interfere with one another. To systematically study these limitations, we introduce SlideBench, a comprehensive benchmark for continuous image editing spanning diverse editing categories and equipped with a unified suite of metrics quantifying monotonic progression, perceptual continuity, and inter-slider disentanglement. Building on these observations, we propose SliderEdit++, which explicitly regularizes the intermediate editing trajectory rather than supervising only its endpoints. Our method combines velocity- and semantic-space trajectory regularization with spectral control to encourage smooth, predictable slider traversal, together with a disentanglement objective that reduces interference between independently controlled edits. On SlideBench, SliderEdit++ achieves state-of-the-art performance, improving the overall score by 18.5% relative to the strongest baseline. At the same time, using a few-step editing backbone makes our method approximately 3x to 20x faster than existing slider-based approaches, enabling substantially more responsive interactive editing.
• Abstract（参考訳）: Sliderベースのコントロールは、命令ベースの画像編集において、個々の編集の強度を連続的にきめ細かな制御を提供することを目的としている。 しかし、既存のアプローチでは信頼性の高い連続的な制御性を提供できない。スライダをトラバースすることで突然の視覚ジャンプや非モノトニックな変更が生まれ、スライダは相互に干渉する可能性がある。 これらの制約を体系的に研究するために、様々な編集カテゴリにまたがる連続画像編集のための包括的なベンチマークであるSlideBenchを導入し、モノトニックな進行、知覚的連続性、スライダ間の絡み合いを定量化する一貫したメトリクススイートを備える。 これらの観測に基づいてSliderEdit++を提案する。 本手法は,速度空間と意味空間の軌道正則化とスペクトル制御を併用し,スライダのスライダのスムースかつ予測可能なトラバースを促進させるとともに,独立に制御された編集間の干渉を低減させるアンタングル化の目的とする。 SlideBenchでは、SliderEdit++は最先端のパフォーマンスを達成し、最強のベースラインと比較して総合スコアを18.5%向上させた。 同時に、数ステップの編集バックボーンを使用することで、既存のスライダベースのアプローチよりも約3倍から20倍高速になり、より応答性の高いインタラクティブな編集が可能になった。

関連論文リスト

• UniSlider: Perceptually Uniform Sliders for Continuous Image Editing [35.28195800751629]
  現在の生成的アプローチでは、スライダは単にメソッドの強度パラメータの再スケーリングである。 我々はスライダと強度を区別し,スライダ値と線形に成長するために入力から知覚距離を必要とする。 数ステップの編集バックボーンでトレーニングされた軽量なLoRAであるUniSliderを導入し、その強度がこの理想的なスライダを近似する。
  論文  参考訳（メタデータ） (2026-10-05T17:58:11Z)
• Semantic Granularity Navigation in Image Editing [4.8073791571301125]
  NaviEditは、リアルタイム編集のためのトレーニング不要の推論時間コントローラである。 厳密な自己整合契約を通じて、モデルスケールから編集の進捗を分離する。 スケールを制御入力として扱い、意味的に応答する中間スケールに向けて固定ステップ予算を割り当てる。
  論文  参考訳（メタデータ） (2026-05-20T13:53:13Z)
• FlowSlider: Training-Free Continuous Image Editing via Fidelity-Steering Decomposition [0.07646713951724009]
  連続画像編集は、ソースイメージの忠実性を保ち、一貫した編集方向を維持しながら、スライダスタイルの編集強度の制御を提供することを目的としている。 本論文では,Rectified Flow で連続的な編集を行うためのトレーニング不要な textitFlowSlider を提案する。
  論文  参考訳（メタデータ） (2026-04-02T14:16:06Z)
• The Devil is in Attention Sharing: Improving Complex Non-rigid Image Editing Faithfulness via Attention Synergy [71.39358554558667]
  我々は,SynPSを紹介した。SynPSは位置埋め込みとセマンティック情報を利用して,忠実な非剛性画像編集を行う手法である。 本稿では,各段階で必要な編集規模を定量化する編集計測手法を提案する。 位置と意味を適応的に統合することで、SynPSはオーバー編集とアンダー編集の両方を効果的に避ける。
  論文  参考訳（メタデータ） (2025-12-16T14:08:00Z)
• SliderEdit: Continuous Image Editing with Fine-Grained Instruction Control [50.76070785417023]
  スライダ編集(SliderEdit)は、細粒度で解釈可能な命令制御による連続的な画像編集のためのフレームワークである。 複数部分の編集命令が与えられたSliderEditは、個々の命令をアンタングルして、グローバルにトレーニングされたスライダとして公開する。 本結果は,連続的,構成的制御による対話的,命令駆動型画像操作の道を開くものである。
  論文  参考訳（メタデータ） (2025-11-12T20:21:37Z)
• Kontinuous Kontext: Continuous Strength Control for Instruction-based Image Editing [76.44219733285898]
  Kontinuous Kontext は命令駆動の編集モデルであり、編集強度を制御できる新しい次元を提供する。 軽量プロジェクタネットワークは、入力スカラーと編集命令をモデルの変調空間の係数にマッピングする。 本モデルのトレーニングには,既存の生成モデルを用いて,画像編集・指導・強化四重項の多種多様なデータセットを合成する。
  論文  参考訳（メタデータ） (2025-10-09T17:51:03Z)
• Concept Sliders: LoRA Adaptors for Precise Control in Diffusion Models [52.894213114914805]
  拡散モデルから画像生成における属性を正確に制御できる解釈可能な概念スライダを作成する手法を提案する。 スライダは、プロンプトやサンプル画像の小さなセットを使用して作成される。 本手法は、物体の変形の修復や変形した手の固定など、安定XL拡散における持続的品質問題に対処するのに役立つ。
  論文  参考訳（メタデータ） (2023-11-20T18:59:01Z)

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。