論文の概要: LEVI: Benchmarking Visual Identity Fidelity with Verifiable Low-Entropy Constructs

• arxiv url: http://arxiv.org/abs/2610.25716v2
• Date: Tue, 20 Oct 2026 11:09:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.315064
• Title: LEVI: Benchmarking Visual Identity Fidelity with Verifiable Low-Entropy Constructs
• Title（参考訳）: LEVI: 検証可能な低エントロピー構成による視覚的アイデンティティ忠実度のベンチマーク
• Abstract要約: 低エントロピー視覚アイデンティティ(LEVI)は、コンパクトな事実と明示的な規則によって決定される視覚的アイデンティティを特徴付ける。 Visual Identity Spaces (VIS)は、許容可能なID値を指定することで、この区別を形式化する。 VVGは宣言型言語であり、型付きプリミティブと構成制約はアイデンティティを持つ構造を記述する。
• 参考スコア（独自算出の注目度）: 13.955200834700427
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern generative models can produce visually plausible images while violating exact identity constraints. Evaluating such failures requires distinguishing violations of the requested identity from permissible variation in appearance. We introduce Low-Entropy Visual Identity (LEVI), which characterizes visual identities determined by compact facts and explicit rules. The low-entropy requirement concerns identity uncertainty, while appearance may remain diverse. We formulate identity fidelity in terms of the probability that a conditional image distribution assigns to the identities permitted by the prompt. Visual Identity Spaces (VIS) formalize this distinction by specifying admissible identity values and which different realizations express the same identity. Building on this formulation, we develop Verifiable Visual Grammar (VVG), a declarative language whose typed primitives and compositional constraints describe identity-bearing structures. Using this grammar, we build a benchmark for image generation. It assesses each output against the task's identity requirements, drawing evidence from the final pixels. The curated benchmark contains 1,375 tasks spanning 120 base identity spaces across six domains. Among ten evaluated model configurations, the highest whole-task pass rate is 58.69%. These results reveal a persistent gap between visually plausible images and faithful realization of their specified identities. Project page: https://maxiao0234.github.io/LEVI/.
• Abstract（参考訳）: 現代の生成モデルは、正確なアイデンティティ制約に違反しながら、視覚的に可視の画像を生成することができる。 このような失敗を評価するには、要求されたアイデンティティの違反と容姿の許容可能な変化を区別する必要がある。 低エントロピー・ビジュアル・アイデンティティ(LEVI)を導入し、コンパクトな事実と明示的な規則によって決定される視覚的アイデンティティを特徴付ける。 低エントロピー要件はアイデンティティの不確実性に関わるが、外観は様々である。 我々は、条件付き画像分布が、そのプロンプトによって許されるアイデンティティに割り当てる確率で、アイデンティティの忠実度を定式化する。 視覚的アイデンティティ空間(VIS)は、許容可能なアイデンティティ値と、どの異なる現実化が同一のアイデンティティを表現するかを指定することで、この区別を形式化する。 この定式化に基づいて,型付きプリミティブと構成制約を記述した宣言型言語である Verifiable Visual Grammar (VVG) を開発した。 この文法を用いて画像生成のためのベンチマークを構築する。 それぞれの出力をタスクのアイデンティティ要求に対して評価し、最終的なピクセルから証拠を引き出す。 キュレートされたベンチマークには、6つのドメインにわたる120のベースID空間にまたがる1,375のタスクが含まれている。 評価された10のモデル構成の中で、全タスクのパスレートが最も高いのは58.69%である。 これらの結果から,視覚的に可視な画像と,その特定したアイデンティティの忠実な認識との間には,永続的なギャップがあることが示唆された。 プロジェクトページ: https://maxiao0234.github.io/LEVI/。

関連論文リスト

• Persistent Identity Preservation in Generative Image Models: A Benchmark and Evaluation System [20.281088110768955]
  生成画像モデルは高品質な画像を生成し、複雑な命令に従うことができ、正確な編集をサポートする。 しかし、誰が描かれているか、何が描かれているかを保存するのに苦戦している。 本研究は, アイデンティティの保存が, 現在の生成基盤モデルの明確な限界であることを示す。
  論文  参考訳（メタデータ） (2026-09-03T17:44:25Z)
• WithEveryone: Unified Planning and Identity Grounding for Group Image Generation [60.528070962852716]
  グループイメージを最大10個の参照IDまで生成する統合フレームワークであるWithEveryoneを紹介した。 WithEveryoneは、それぞれの選択したIDをアドレストークンとして注入し、構造化されたID計画を予測する。 GPT-Image-2では0.462から0.499に改善され、コピー・ペースト・アーティファクトは0.169から0.055に削減された。
  論文  参考訳（メタデータ） (2026-08-20T17:59:53Z)
• Latent-Identity Tuning in Text-to-Image Personalization Models [65.31471460269033]
  テキスト・ツー・イメージのパーソナライズ・モデルにおける詳細なアイデンティティチューニング手法を提案する。 通常の画像編集とは異なり、アイデンティティチューニングは特定のアイデンティティの潜在表現を変更する。 この空間と選択されたトークンによって定義された部分空間内で有意な方向を識別できることが示される。
  論文  参考訳（メタデータ） (2026-07-13T17:59:49Z)
• PIU: Proximity-guided Identity Unlearning in ID-Conditioned Diffusion Models [2.260041671242786]
  我々は、顔生成のための最先端のアイデンティティ条件付き潜時拡散モデルであるArc2Faceでアイデンティティアンラーニングを研究する。 本稿では,Pu(Proximity-guided Identity Unlearning)について紹介する。
  論文  参考訳（メタデータ） (2026-05-21T10:55:56Z)
• AnyID: Ultra-Fidelity Universal Identity-Preserving Video Generation from Any Visual References [52.81991915377852]
  我々は,超忠実なアイデンティティ保存ビデオ生成フレームワークであるAnyIDを提案する。 まず,不均一な同一性入力を結合表現に効果的に統一する,スケーラブルなオムニ参照アーキテクチャを提案する。 第2に、1つの参照を標準アンカーとして指定し、新しい微分プロンプトを用いて正確な属性レベルの制御を可能にする一次参照生成パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-03-26T08:54:48Z)
• Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
  顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。 トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。 IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-10-28T09:28:12Z)
• WithAnyone: Towards Controllable and ID Consistent Image Generation [83.55786496542062]
  アイデンティティ・一貫性・ジェネレーションは、テキスト・ツー・イメージ研究において重要な焦点となっている。 マルチパーソンシナリオに適した大規模ペアデータセットを開発する。 本稿では,データと多様性のバランスをとるためにペアデータを活用する,対照的なアイデンティティ損失を持つ新たなトレーニングパラダイムを提案する。
  論文  参考訳（メタデータ） (2025-10-16T17:59:54Z)
• StableIdentity: Inserting Anybody into Anywhere at First Sight [57.99693188913382]
  一つの顔画像で同一性に一貫性のある再テクスチャ化を可能にするStableIdentityを提案する。 私たちは、1つの画像から学んだアイデンティティを直接、微調整なしでビデオ/3D生成に注入する最初の人です。
  論文  参考訳（メタデータ） (2024-01-29T09:06:15Z)

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。