論文の概要: Barycentric Guidance: Turning Foundation Image Editors into Continuous Affective Controllers

• arxiv url: http://arxiv.org/abs/2610.16892v1
• Date: Mon, 12 Oct 2026 14:47:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 04:18:06.954608
• Title: Barycentric Guidance: Turning Foundation Image Editors into Continuous Affective Controllers
• Title（参考訳）: Barycentric Guidance: ファンデーションイメージエディタを継続的影響型コントローラに変える
• Abstract要約: Barycentric Guidanceはトレーニング不要のフレームワークで、トレーニング済みの基礎イメージエディタをVA上の継続的な感情的コントローラに変換する。 提案手法は,任意のVA点を単純度に基づく誘導重み付けにマッピングし,VA制御性を3つの側面で実現している。 3つの顔データセットでVAターゲット精度を25～29%改善し,VAプレーンカバレッジを28～50%拡大し,表現多様性を29～49%向上させた。
• 参考スコア（独自算出の注目度）: 13.186131098286408
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Emotions are expressed on a continuum and are naturally described in the valence-arousal (VA) space. Existing VA-based image editors are typically training-based and domain-specific, limiting them to VA regions seen during training and making them brittle across datasets and domains. Meanwhile, despite producing high-quality edits, state-of-the-art foundation image editors are not continuous affective controllers: non-linear emotion representations in text encoders makes prompt interpolation poorly calibrated, so accurate and continuous VA control remains unreliable. To fill this gap, we introduce Barycentric Guidance, a training-free framework that turns pretrained foundation image editors into continuous affective controllers over VA, requiring no finetuning, extra data, or model changes. Our method maps any target VA point to simplex-based guidance weights, enabling VA controllability in three aspects: (i) accurate targeting of VA states, (ii) broad coverage across the VA plane, and (iii) continuous control. Across three face datasets, we improve VA target accuracy by 25-29%, expand VA-plane coverage by 28-50%, and increase expression diversity by 29-49%, over the strongest baseline. Unlike prior domain-specific methods, our training-free approach exploits the foundation model's inherent versatility, enabling generalization beyond human faces to animals, artworks, and complex scenes within a single framework. Code is available at https://github.com/harveymannering/BarycentricGuidance.
• Abstract（参考訳）: 感情は連続体上で表現され、自然にvalence-arousal (VA)空間で記述される。 既存のVAベースのイメージエディタは通常、トレーニングベースでドメイン固有であり、トレーニング中に見られるVAリージョンに制限され、データセットやドメイン間で不安定になる。 テキストエンコーダにおける非線形感情表現は、迅速な補間を不適切に調整するので、正確で連続的なVA制御は信頼できないままである。 このギャップを埋めるために、トレーニング不要のフレームワークであるBarycentric Guidanceを紹介します。 提案手法は,任意のVA点を単純度に基づくガイダンスウェイトにマッピングし,VA制御性を3つの側面で実現している。 (i)VA状態の正確なターゲティング。 (二)VA面の広い範囲、及び (三)連続制御。 3つの顔データセットにおいて,VAターゲット精度を25～29%向上し,VAプレーンカバレッジを28～50%拡大し,表現の多様性を29～49%向上させた。 従来のドメイン固有の手法とは異なり、トレーニングなしのアプローチは基礎モデルの本質的な汎用性を生かし、動物、アートワーク、複雑なシーンへの人間の顔以外の一般化を可能にします。 コードはhttps://github.com/harveymannering/BarycentricGuidance.comで入手できる。

関連論文リスト

• Balancing Emotional Alignment and Semantic Consistency in Image Generation via Reinforcement Learning with Valence-Arousal Anchoring [55.57242007016976]
  テキスト・ツー・イメージ生成における継続的な感情制御は、プロンプトによって記述されたオブジェクトやレイアウト、シーンを変更することなく、感情的アライメントを改善するモデルを必要とする。 既存の教師付き感情注入法は、しばしば特徴空間プロキシを最適化し、したがって感情のセマンティックドリフトを示す。 本稿では,連続的原子価覚醒条件設定,グループ相対ポリシー最適化,中立的セマンティックアンカーを組み合わせたフローマッチング画像生成フレームワークを用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2026-09-11T13:24:35Z)
• Selectivity Drives Efficiency: Dataset Pruning for Visual Place Recognition [52.52131290631774]
  視覚的位置認識(VPR)に適したプレースワイズ・データセット・プルーニング・フレームワークを提案する。 本手法は,各場所を基本刈取単位として扱い,IPD(Intra-place diversity)とIPS(Inter-place similarity)の2つの新しい指標を導入する。 実験により, 提案手法は, 最先端のDPベースラインを異なるプルーニング比で連続的に上回ることを示した。
  論文  参考訳（メタデータ） (2026-07-16T12:16:00Z)
• Visual-Advantage On-Policy Distillation for Vision-Language Models [32.05491249378337]
  ビジュアル・アドバンテージ(VA)は、教師が詳細なビジュアルディテールにアクセスせずに学生が生成したロールアウトを得点した場合、トークンレベルのログ確率差である。 VA-OPDは、各ベンチマークにおける標準的なオンライン蒸留よりも改善され、教師サイズとデータスケールの両方の軸に沿って単調に上昇する。
  論文  参考訳（メタデータ） (2026-05-21T02:48:36Z)
• MooD: Perception-Enhanced Efficient Affective Image Editing via Continuous Valence-Arousal Modeling [6.7122126781526745]
  Affective Image Editing (AIE)は、視覚的コンテンツを修正して、ターゲットの感情を誘発することを目的としている。 本稿では,連続的Valence-Arousal(VA)値を編集命令として直接活用する最初のフレームワークであるMooDを提案する。 本研究は,MooDが高効率を維持しつつ,情動制御性と視覚的忠実性の両方において優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2026-05-04T12:22:43Z)
• V-Attack: Targeting Disentangled Value Features for Controllable Adversarial Attacks on LVLMs [66.81402538540458]
  本稿では,局所的セマンティックアタックの新しい手法であるV-Attackを提案する。 V-Attackは、最先端の手法よりも平均して36%の攻撃成功率を改善する。
  論文  参考訳（メタデータ） (2025-11-25T11:51:17Z)
• Control and Realism: Best of Both Worlds in Layout-to-Image without Training [59.16447569868382]
  レイアウト・ツー・イメージ生成のためのトレーニング不要なWinWinLayを提案する。 制御精度とリアリズムを協調的に向上する,非局所的注意エネルギーと適応更新という2つの重要な戦略を提案する。 WinWinLayは、要素配置の制御とフォトリアリスティックな視覚的忠実さの達成に優れ、現在の最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2025-06-18T15:39:02Z)
• Attention Consistency on Visual Corruptions for Single-Source Domain Generalization [53.640469435173124]
  視覚認識モデルを一般化するには、トレーニングセット内の過剰な相関に堅牢にする必要がある。 トレーニングイメージを変更して新しいドメインをシミュレートし、同じサンプルの異なるビューに対して一貫した視覚的注意を喚起することで、この目標を達成する。 私たちは我々のモデルAttention Consistency on Visual Corruptions (ACVC)と名付けた。
  論文  参考訳（メタデータ） (2022-04-27T17:39:13Z)
• A Contrastive Learning Approach for Training Variational Autoencoder Priors [137.62674958536712]
  変分オートエンコーダ(VAE)は、多くの領域で応用される強力な可能性に基づく生成モデルの一つである。 VAEsが生成性に乏しいことの1つの説明は、事前の分布が集合の近似的な後部と一致しないという、事前の穴の問題である。 本研究では, 基底分布の積と再重み付け係数によって定義されるエネルギーベースの事前定義を行い, 基底を集合体後部へ近づけるようにした。
  論文  参考訳（メタデータ） (2020-10-06T17:59:02Z)
• It's LeVAsa not LevioSA! Latent Encodings for Valence-Arousal Structure Alignment [3.6513059119482154]
  本稿では、潜在空間とVA空間を整列させることにより暗黙構造を学習するVAEモデル「LeVAsa」を提案する。 以上の結果から,LeVAsaは低周波アライメントを実現し,下流のカテゴリー感情予測の改善につながることが明らかとなった。
  論文  参考訳（メタデータ） (2020-07-20T12:52:26Z)

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。