論文の概要: AttenIR: Aligning Dense Visual Attention with Mesh Warping for Unsupervised Image Retargeting

• arxiv url: http://arxiv.org/abs/2610.17743v1
• Date: Tue, 13 Oct 2026 05:20:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 17:25:31.930489
• Title: AttenIR: Aligning Dense Visual Attention with Mesh Warping for Unsupervised Image Retargeting
• Title（参考訳）: AttenIR: 教師なしのイメージリターゲティングのためのメッシュウォーピングによる複雑な視覚的注意の調整
• Abstract要約: 疎メッシュ制約と密集した視覚的注意を結合する教師なしのイメージフレームワークを提案する。 本手法は,従来の学習法と最先端の学習法の両方と比較して,競争力と優れた性能を実現する。
• 参考スコア（独自算出の注目度）: 17.77671073360486
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image retargeting aims to resize images while preserving salient content free from distortion and stretching. Recent learning-based solutions reduce reliance on traditional hand-crafted features and optimization procedures, leading to more efficient and generalizable performance. Nevertheless, existing approaches still struggle to preserve global structure and content fidelity. To address these limitations, we propose AttenIR, an unsupervised image retargeting framework requiring no manual labels, based on content-aware mesh warping, which ef- fectively couples dense visual attention with sparse mesh constraints. We for- mulate the mesh deformation as a vertex displacement regression task. Guided by saliency priors, our method jointly optimizes scale, structure, and geometry preservation losses. By combining dense visual attention with semantic features, it achieves robust, unsupervised retargeting without manual annotations. Our primary contributions include (1) a lightweight unsupervised method for image retargeting that ensures content fidelity and preserves global structure, and (2) a coarse-to-fine projection strategy to align dense visual attention priors with sparse mesh constraints, enabling content-aware deformation at the pixel level. Experiments demonstrate that our method achieves competitive and superior performance compared with both traditional and state-of-the-art learning-based methods.
• Abstract（参考訳）: 画像再ターゲティングは、歪みやストレッチのない健全なコンテンツを保ちながら、画像をリサイズすることを目的としている。 最近の学習ベースのソリューションは、手作りの伝統的な特徴と最適化手順への依存を減らし、より効率的で一般化可能なパフォーマンスをもたらす。 それでも、既存のアプローチは、グローバルな構造とコンテンツの忠実性を維持するのに苦戦している。 これらの制約に対処するために、コンテンツ認識メッシュワープに基づく手動ラベルを必要としない教師なしのイメージリターゲティングフレームワークであるAttenIRを提案する。 メッシュ変形を頂点変位回帰タスクとしてフォー-ミュレートする。 本手法は, 縮尺, 構造, 幾何保存の損失を共同で最適化する。 密集した視覚的注意と意味的特徴を組み合わせることで、手動のアノテーションなしで堅牢で教師なしのリターゲティングを実現する。 本研究の主な貢献は,(1)コンテンツ忠実性を保証し,グローバルな構造を維持できる軽量なイメージリターゲティング手法,(2)密集した視覚的注意を疎メッシュの制約と整合させ,画素レベルでのコンテンツ認識変形を可能にする粗大なプロジェクション戦略である。 実験により,本手法は従来の学習法と最先端の学習法に比較して,競争力と性能の両立を実証した。

関連論文リスト

• VisualErase: Dual-Branch Visual Trajectory Redirection for Robust Concept Erasure in Text-to-Image Diffusion Models [93.61484351383454]
  概念消去はテキストから画像への拡散モデルの安全な配置に不可欠である。 近年の研究では、消去されたモデルがターゲット概念の視覚的生成軌道を維持している可能性が示されている。 概念を包含する視覚的生成軌道を明示的に定義した概念除去結果にリダイレクトする新しいパラダイムであるVisualEraseを提案する。
  論文  参考訳（メタデータ） (2026-10-04T06:44:27Z)
• InsightTok: Improving Text and Face Fidelity in Discrete Tokenization for Autoregressive Image Generation [67.8525902443746]
  InsightTokは、個別の視覚的トークン化フレームワークで、ローカライズされたコンテンツ対応の知覚的損失を通じて、テキストと顔の忠実度を高める。 コンパクトな16kコードブックと16倍のダウンサンプリングレートで、InsightTokはテキストや顔の再構成において、以前のトークンよりも大幅にパフォーマンスが向上した。 その結果、離散画像生成を進めるためのトークン化教育における特殊監督の可能性が浮き彫りになった。
  論文  参考訳（メタデータ） (2026-05-14T03:57:25Z)
• RAM++: Robust Representation Learning via Adaptive Mask for All-in-One Image Restoration [94.49712266736141]
  RAM++はオールインワンイメージ復元のための2段階のフレームワークである。 高レベルのセマンティック理解と低レベルのテクスチャ生成を統合する。 極端なシナリオでは、既存の劣化指向のメソッドの制限に対処します。
  論文  参考訳（メタデータ） (2025-09-15T15:24:15Z)
• Vision Foundation Models as Effective Visual Tokenizers for Autoregressive Image Generation [52.261584726401686]
  凍結した視覚基盤モデルの上に画像トークン化器を直接構築するための新しい方向を示す。 これらの設計に基づき,提案する画像トークン装置であるVFMTokは,画像再構成と生成品質の大幅な向上を実現している。
  論文  参考訳（メタデータ） (2025-07-11T09:32:45Z)
• From Enhancement to Understanding: Build a Generalized Bridge for Low-light Vision via Semantically Consistent Unsupervised Fine-tuning [65.94580484237737]
  低照度向上は下流タスクの画質を向上させるが、既存の手法は物理的または幾何学的先行に頼っている。 我々は、低照度強化と低照度理解の間に一般化された橋を架け、この橋をGEFU(Generalized Enhancement For Understanding)と呼ぶ。 低照度劣化の多様な原因を解決するために,事前学習した生成拡散モデルを用いて画像の最適化を行い,ゼロショット一般化性能を実現する。
  論文  参考訳（メタデータ） (2025-07-11T07:51:26Z)
• A Multi-Scale Spatial Attention-Based Zero-Shot Learning Framework for Low-Light Image Enhancement [3.55026004901472]
  LucentVisionNetは、低照度画像強調のための新しいゼロショット学習フレームワークである。 我々のフレームワークは、高い視覚的品質、構造的整合性、計算効率を実現する。 モバイル写真、監視、自律ナビゲーションといった現実世界のアプリケーションにデプロイするのに適しています。
  論文  参考訳（メタデータ） (2025-06-23T06:11:55Z)
• Robust Classification by Coupling Data Mollification with Label Smoothing [25.66357344079206]
  本稿では,ラベルのスムーズ化を図り,ラベルの信頼度を画像劣化と整合させることにより,画像のノイズ化とぼやけという形でデータモリフィケーションを結合する手法を提案する。 我々は、CIFAR、TinyImageNet、ImageNetデータセットの劣化画像ベンチマークにおいて、ロバスト性および不確実性を向上したことを示す。
  論文  参考訳（メタデータ） (2024-06-03T16:21:29Z)
• Towards Unsupervised Deep Image Enhancement with Generative Adversarial Network [92.01145655155374]
  監視されていない画像強調生成ネットワーク(UEGAN)を提案する。 教師なしの方法で所望の特性を持つ画像の集合から、対応する画像と画像のマッピングを学習する。 その結果,提案モデルは画像の美的品質を効果的に向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-30T03:22:46Z)

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。