論文の概要: Negation without Confusion: Decomposing Bias and Recomposing Style in Text Embeddings for Negation-aware Image Generation

• arxiv url: http://arxiv.org/abs/2610.25645v1
• Date: Mon, 19 Oct 2026 01:40:27 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:27:52.869365
• Title: Negation without Confusion: Decomposing Bias and Recomposing Style in Text Embeddings for Negation-aware Image Generation
• Title（参考訳）: コンフュージョンのない否定:否定認識画像生成のためのテキスト埋め込みにおけるバイアスの分解とスタイルの再構成
• Abstract要約: 本稿では,Dero (Decompose and Recompose Text Embedding) の学習自由化手法を提案する。 Deroは、補助的なプロンプトを用いて意味保存サブスペースとバイアスサブスペースを構築し、双方向SVDに基づいて意味のゆがみを実行する。 オブジェクトレベルの否定と概念レベルの否定の両方の実験は、否定を意識した画像生成において一貫した改善を示す。
• 参考スコア（独自算出の注目度）: 24.710317753690628
• License:
• Abstract: Negation-aware image generation remains challenging for text-to-image diffusion models, which often struggle with negation due to implicit linguistic biases that are deeply entangled within text representations. As a result, bias-aligned semantics frequently dominate over intended negative constraints. To overcome this limitation, we propose a simple training-free method of Decompose and Recompose text embedding (Dero), which constructs a semantic-preserving subspace and a bias subspace using auxiliary prompts and performs semantic disentanglement based on bidirectional SVD. By decomposing entangled representations and selectively recomposing disentangled semantic components, Dero realigns text representations toward intended negation semantics while restoring residual stylistic features to preserve semantic fidelity and image quality. As a model-agnostic inference-time framework operating solely on text representations, Dero can be seamlessly applied to diverse diffusion architectures, including both U-Net and DiT based models. Extensive experiments on both object- and concept-level negation demonstrate consistent improvements in negation-aware image generation, achieving stronger text-image alignment, better semantic fidelity, and higher human preference scores.
• Abstract（参考訳）: 否定認識画像生成は、テキスト表現に深く絡み合っている暗黙的な言語的バイアスのため、否定に苦しむテキスト間拡散モデルでは依然として困難である。 その結果、バイアス整合セマンティクスは意図された負の制約に対してしばしば支配的となる。 この制限を克服するために、補助的なプロンプトを用いて意味保存サブスペースとバイアスサブスペースを構築し、双方向SVDに基づく意味的非絡み合いを行う、簡易な訓練不要なテキスト埋め込み(Dero)を提案する。 絡み合った表現を分解し、歪んだセマンティックコンポーネントを選択的に再コンパイルすることで、Deroはテキスト表現を意図した否定セマンティクスに向けて再定義し、セマンティクスの忠実さと画質を維持するために残余なスタイリスティックな特徴を復元する。 テキスト表現のみで動作するモデルに依存しない推論時間フレームワークとして、DeroはU-NetとDiTベースのモデルを含む多様な拡散アーキテクチャにシームレスに適用することができる。 オブジェクトレベルの否定と概念レベルの否定の両方に対する大規模な実験は、否定認識の画像生成において一貫した改善を示し、より強力なテキストイメージアライメント、よりセマンティックな忠実さ、より高い人間の嗜好スコアを実現している。

関連論文リスト

• Chaos in the Text: Revealing the Modality Preference in Mixed-Modality Retrievers [51.19177300042174]
  その結果,レトリバーの性能はモダリティの構成に非常に敏感であることがわかった。 本稿では,各文書のテキスト,画像,融合されたテキストイメージビューを同値な肯定値として構成するTridentを紹介する。 実験により, TridentはCLIPおよびVLMアーキテクチャの混合モダリティ検索を改善することが示された。
  論文  参考訳（メタデータ） (2026-10-08T12:21:08Z)
• STEDiff: Strengthening Text Embedding for Text-to-Image Alignment in Diffusion Model [4.685207648946472]
  STEDiffは、テキスト埋め込み空間内で意味表現を直接拡張するために設計された、トレーニング不要のメソッドである。 本手法は複雑なシナリオにおける意味的一貫性と生成を顕著に改善する。
  論文  参考訳（メタデータ） (2026-06-09T09:59:09Z)
• DebFilter: Eradicating Biases Stashed in Value [4.060731229044571]
  テキスト・ツー・イメージ・モデルにおける社会的・意味的バイアスを軽減するために,DebFilterを提案する。 我々は,クロスアテンション内の値成分を調整するバイアス補正戦略を適用した。 本手法は,生成した画像の社会的バイアスを効果的に再構成することを示した。
  論文  参考訳（メタデータ） (2026-05-27T08:49:41Z)
• Geometric Disentanglement of Text Embeddings for Subject-Consistent Text-to-Image Generation using A Single Prompt [14.734857939203811]
  主観的視点から意味的絡み合いに対処する学習自由アプローチを提案する。 提案手法は既存のベースラインに対する主観的一貫性とテキストアライメントの両方を大幅に改善する。
  論文  参考訳（メタデータ） (2025-12-18T11:55:06Z)
• FaNe: Towards Fine-Grained Cross-Modal Contrast with False-Negative Reduction and Text-Conditioned Sparse Attention [19.49398094732301]
  False Negatives (FaNe) は意味論的に類似したテキストによって誘導され、微粒なクロスモーダルアライメントが不十分である。 FaNeは画像分類、オブジェクト検出、セマンティックセグメンテーションにまたがって最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-11-15T13:37:21Z)
• RealignDiff: Boosting Text-to-Image Diffusion Model with Coarse-to-fine Semantic Re-alignment [112.45442468794658]
  本稿では,RealignDiffという2段階の粗大なセマンティックアライメント手法を提案する。 粗いセマンティックリアライメントフェーズにおいて、生成された画像キャプションと与えられたテキストプロンプトとのセマンティックな相違を評価するために、新しいキャプション報酬を提案する。 微妙なセマンティックリアライメントステージは、局所的な密集キャプション生成モジュールと再重み付けアテンション変調モジュールを用いて、局所的なセマンティックビューから生成された画像を洗練する。
  論文  参考訳（メタデータ） (2023-05-31T06:59:21Z)
• DreamArtist++: Controllable One-Shot Text-to-Image Generation via Positive-Negative Adapter [63.622879199281705]
  いくつかの例に基づく画像生成手法が提案されており、例えば、いくつかの入力参照の健全な特徴を吸収して新しい概念を生成する。 本研究では,DreamArtistというシンプルなフレームワークを提案する。このフレームワークは,事前学習した拡散モデルに対して,新しい正負の学習戦略を採用する。 我々は,画像類似性(忠実度)と多様性,生成制御性,スタイルのクローニングから,幅広い実験を行い,提案手法の評価を行った。
  論文  参考訳（メタデータ） (2022-11-21T10:37:56Z)
• Diffusion-based Image Translation using Disentangled Style and Content Representation [51.188396199083336]
  セマンティックテキストや単一のターゲット画像でガイドされた拡散ベースの画像変換により、柔軟なスタイル変換が可能になった。 逆拡散中、画像の原内容を維持することはしばしば困難である。 本稿では,不整合スタイルとコンテンツ表現を用いた新しい拡散に基づく教師なし画像翻訳手法を提案する。 提案手法は,テキスト誘導と画像誘導の両方の翻訳作業において,最先端のベースラインモデルよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-30T06:44:37Z)

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。