論文の概要: Rethinking Classifier-Free Guidance for TI2I Flow Matching

• arxiv url: http://arxiv.org/abs/2610.21550v1
• Date: Thu, 15 Oct 2026 09:13:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.299787
• Title: Rethinking Classifier-Free Guidance for TI2I Flow Matching
• Title（参考訳）: TI2Iフローマッチングのための分類器フリーガイダンスの再検討
• Abstract要約: 制御可能な画像編集のためのTI2Iフローマッチング法について検討する。 CFGのメカニズムは,フローモデリングのノイズ相における編集に暗黙的に有害である,と我々は主張する。 本稿では,早期のフローステップにおける簡易な補正を提案し,余分なコストを伴わずによりリッチなアライメント保存トレードオフを実現する。
• 参考スコア（独自算出の注目度）: 42.20653596645002
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study Text-and-Image-to-Image (TI2I) flow matching methods for controllable image editing. In a broader generative modeling context, Classifier-Free Guidance (CFG) is established as a key component responsible for high quality outputs. However, we argue that its role in TI2I modeling is poorly understood. Specifically, we make the surprising observation that the CFG mechanism is implicitly harmful for editing in the noisy phase of flow modeling, hindering instruction following and controllability. We propose a simple correction in the early flow steps, enabling a richer alignment-preservation tradeoff at no extra cost. The effectiveness of our approach is demonstrated on both pixel-space and latent TI2I flows.
• Abstract（参考訳）: 制御可能な画像編集のためのテキスト・アンド・イメージ・トゥ・イメージ(TI2I)フローマッチング法について検討した。 より広範な生成的モデリングの文脈では、高品質なアウトプットに責任を負う重要なコンポーネントとして、分類自由誘導(CFG)が確立されている。 しかし,TI2IモデリングにおけるTI2Iの役割はよく理解されていない。 具体的には、CFGメカニズムがフローモデリングのノイズ相の編集、指示の妨害、制御性に暗黙的に有害であることを示す。 本稿では,早期のフローステップにおける簡易な補正を提案し,余分なコストを伴わずによりリッチなアライメント保存トレードオフを実現する。 提案手法の有効性は, 画素空間と潜時TI2I流の両方で示される。

関連論文リスト

• ScaleWeaver: Weaving Efficient Controllable T2I Generation with Multi-Scale Reference Attention [86.93601565563954]
  ScaleWeaverは、高度な視覚的自己回帰(VAR)モデルに基づいて、高忠実で制御可能な生成を実現するために設計されたフレームワークである。 提案された参照注意モジュールは image$rightarrow$condition から不要な注意を排除し、計算コストを削減している。 実験によると、ScaleWeaverは、拡散ベースの方法よりも優れた効率を実現しつつ、高品質な生成と正確な制御を提供する。
  論文  参考訳（メタデータ） (2025-10-16T17:00:59Z)
• AcT2I: Evaluating and Improving Action Depiction in Text-to-Image Models [58.85362281293525]
  本稿では、アクション中心のプロンプトから画像を生成する際のT2Iモデルの性能を評価するためのベンチマークであるAcT2Iを紹介する。 我々は、先行するT2IモデルがAcT2Iにうまく対応していないことを実験的に検証した。 我々は,この制限に対処するために,大規模言語モデルを用いた訓練不要の知識蒸留技術を開発した。
  論文  参考訳（メタデータ） (2025-09-19T16:41:39Z)
• EAM: Enhancing Anything with Diffusion Transformers for Blind Super-Resolution [11.331361804059625]
  Enhancing Anything Model (EAM)はBlind Super-Resolution法である。 画像復元を効果的に誘導する新しいブロックである$Psi$-DiTを導入する。 EAMは、複数のデータセットにまたがる最先端の結果を達成し、定量的メトリクスと視覚的品質の両方において、既存の手法よりも優れています。
  論文  参考訳（メタデータ） (2025-05-08T13:03:07Z)
• RFMI: Estimating Mutual Information on Rectified Flow for Text-to-Image Alignment [51.85242063075333]
  フローマッチングフレームワークでトレーニングされたRectified Flow (RF)モデルは、Text-to-Image (T2I)条件生成における最先端のパフォーマンスを達成した。 しかし、複数のベンチマークでは、合成画像はプロンプトとの整合性に乏しいことが示されている。 RFMI(Mutual Information (MI) 推定器) を導入し,MI推定に事前学習モデル自体を用いる。
  論文  参考訳（メタデータ） (2025-03-18T15:41:45Z)
• PromptLA: Towards Integrity Verification of Black-box Text-to-Image Diffusion Models [17.12906933388337]
  悪意のあるアクターは、不正なコンテンツを生成するためにT2I拡散モデルを微調整することができる。 本稿では,学習オートマトン(PromptLA)に基づく新しいプロンプト選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-20T07:24:32Z)
• Steering Rectified Flow Models in the Vector Field for Controlled Image Generation [53.965218831845995]
  拡散モデル(DM)は、フォトリアリズム、画像編集、逆問題解決に優れ、分類器なしのガイダンスと画像反転技術によって支援される。 既存のDMベースの手法は、しばしば追加のトレーニングを必要とし、事前訓練された潜在モデルへの一般化が欠如し、ODEソルバと反転プロセスによる広範なバックプロパゲーションにより、計算資源が要求される。 本研究では,ベクトル場を利用した画像生成タスクのデノイング軌道の制御を行うFlowChefを提案する。 FlowChefは、パフォーマンス、メモリ、時間要件の点でベースラインを大幅に上回り、新しい状態を達成する。
  論文  参考訳（メタデータ） (2024-11-27T19:04:40Z)
• Training-Free Layout-to-Image Generation with Marginal Attention Constraints [73.55660250459132]
  トレーニング不要なレイアウト・トゥ・イメージ(L2I)アプローチを提案する。 具体的には、テキスト・ビジュアル・クロスアテンション・フィーチャーマップを用いて、生成された画像のレイアウトと提供された命令の不整合を定量化する。 自己アテンション特徴写像の画素間相関を利用して、交差アテンション写像を整列し、境界注意で制約された3つの損失関数を組み合わせ、潜時特徴を更新する。
  論文  参考訳（メタデータ） (2024-11-15T05:44:45Z)
• LeftRefill: Filling Right Canvas based on Left Reference through Generalized Text-to-Image Diffusion Model [55.20469538848806]
  leftRefillは、参照誘導画像合成のための大規模なテキスト・ツー・イメージ(T2I)拡散モデルを利用する革新的なアプローチである。 本稿では、参照誘導画像合成に大規模なテキスト・ツー・イメージ拡散モデル(T2I)を効果的に活用するための革新的なアプローチであるLeftRefillを紹介する。
  論文  参考訳（メタデータ） (2023-05-19T10:29:42Z)

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。