論文の概要: Dancing Diffusion: Learning Continuous Programs for Image Generation and Editing

• arxiv url: http://arxiv.org/abs/2610.28003v1
• Date: Tue, 20 Oct 2026 10:46:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.773738
• Title: Dancing Diffusion: Learning Continuous Programs for Image Generation and Editing
• Title（参考訳）: Dancing Diffusion: 画像生成と編集のための継続的プログラム学習
• Abstract要約: 拡散モデルでは、多段階のdenoising trajectoryを通じてサンプルを生成するが、同じ命令のステップ毎に条件が設定されているため、個々の操作レベルでは処理できない。 Dancing Diffusionを導入し、各タイムステップに専用連続条件ブロックを割り当て、コンディショニングを潜時プログラムに変換する。
• 参考スコア（独自算出の注目度）: 18.60392469924571
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Diffusion models generate samples through a multi-step denoising trajectory, yet condition every step on the same instruction, so the trajectory cannot be addressed at the level of individual operations. We introduce Dancing Diffusion, which assigns each span of timesteps a dedicated continuous condition block and thereby turns conditioning into a latent program. A compiler maps text features into this program, and a fixed pretrained generator executes its blocks over successive sampling intervals. The trajectory can then dance, keeping its executed history while its continuation is redirected. A shared prefix is executed once and reused, and a later operation is rewritten while content fixed by earlier operations is preserved. The compiler is trained through the images it produces, with visual feedback on both the requested change and the retained content. On SANA, reusing an executed prefix preserves markedly more of the scene than regenerating from noise at a similar strength of edit, learned conditions preserve more background than native prompt switching from the same saved state, and the learned program improves generation quality over native SANA. Later branches weaken the edit, which leaves semantic control over individual operations limited. By converting a single-instruction trajectory into a program of addressable operations, Dancing Diffusion lays a foundation for structured intermediate computation in diffusion models.
• Abstract（参考訳）: 拡散モデルでは、多段階のdenoising trajectoryを通じてサンプルを生成するが、同じ命令のステップ毎に条件が設定されているため、個々の操作レベルでは処理できない。 Dancing Diffusionを導入し、各タイムステップに専用連続条件ブロックを割り当て、コンディショニングを潜時プログラムに変換する。 コンパイラは、テキストの特徴をこのプログラムにマッピングし、固定された事前訓練されたジェネレータはそのブロックを連続したサンプリング間隔で実行する。 トラジェクトリは、実行された履歴を保持しながら、継続がリダイレクトされる。 共有プレフィックスが一度実行され再利用され、後続の操作が書き直され、以前の操作で固定されたコンテンツが保存される。 コンパイラは、要求された変更と保持されたコンテンツの両方を視覚的にフィードバックして、生成するイメージを通じてトレーニングされる。 SANAでは、実行されるプレフィックスの再利用は、編集の同じ強度でノイズから再生するよりも、シーンを著しく多く保存し、学習条件は、同じ保存状態からネイティブのプロンプト切り替えよりも背景を保存し、学習プログラムはネイティブのSANAよりも生成品質を向上させる。 その後のブランチでは編集が弱まり、個々の操作に対するセマンティックコントロールが制限される。 単命令軌道を対応可能なプログラムに変換することで、Dancing Diffusionは拡散モデルにおける構造化中間計算の基礎を成す。

関連論文リスト

• Rotate the Loop: Blockwise Conformality for Looped Transformers [72.4010041245191]
  ループが状態を追跡することを学習したかどうかが,この地図の形状に関する幾何学的問題であることを示す。 残差を座標整列群に分割し,それぞれ内部を回転させるブロックワイド整列注入を提案する。
  論文  参考訳（メタデータ） (2026-09-30T23:32:34Z)
• TripleFlow: Training-Free Video Object Removal by Bridging Residual Editing and Native Generation [5.043789191220185]
  TripleFlowは、消去と生成を密に結合する、トレーニング不要のフレームワークである。 単一のターゲット予測を再利用することにより、残留フローはオブジェクトを分離して抑制し、合成フローは隠蔽された背景を独立に再構築する。 この継続的フィードバックループは、生成された構造が削除プロセスを積極的にガイドし、シームレスな完了を達成することを保証します。
  論文  参考訳（メタデータ） (2026-09-30T07:20:15Z)
• A Symbolic Neural CPU for Quantization-Simulated Writeback and Interpretable Program Execution [0.0]
  本稿では、リカレント制御、明示的な演算ルータ、軌道監視を組み合わせたトレース制御型シンボリック・ニューラルCPUを提案する。 このモデルは選択した操作、ソースレジスタと宛先レジスタ、レジスタトラジェクトリ、メモリ信号、書き込みセマンティクスを公開する。 これらの結果は、解釈可能で、低精度で制御可能なニューラル実行のための、トレース検証可能なフレームワークを確立する。
  論文  参考訳（メタデータ） (2026-07-10T22:55:23Z)
• DuET: Dual Expert Trajectories for Diffusion Image Editing [42.49842620609682]
  我々は、ソースイメージの条件付けを一時的に緩和する訓練不要推論手法であるDuETを紹介する。 DuETは命令の関連性、セマンティックな忠実さ、そして様々なモデルやベンチマークにおける知覚品質を継続的に改善する。
  論文  参考訳（メタデータ） (2026-06-11T12:58:48Z)
• DirectEdit: Step-Level Accurate Inversion for Flow-Based Image Editing [51.56484100374058]
  我々は、事前訓練されたテキスト・ツー・イメージ(T2I)モデルのトレーニング不要な編集方法であるDirectEditを提案する。 DirectEditは、追加の神経機能評価(NFE)を導入することなく、固有の再構成エラーを除去する 実験により、DirectEditは効率よく正確な画像編集を実現し、最先端の手法よりも優れたパフォーマンスを提供することが示された。
  論文  参考訳（メタデータ） (2026-05-04T10:09:18Z)
• FlowSlider: Training-Free Continuous Image Editing via Fidelity-Steering Decomposition [0.07646713951724009]
  連続画像編集は、ソースイメージの忠実性を保ち、一貫した編集方向を維持しながら、スライダスタイルの編集強度の制御を提供することを目的としている。 本論文では,Rectified Flow で連続的な編集を行うためのトレーニング不要な textitFlowSlider を提案する。
  論文  参考訳（メタデータ） (2026-04-02T14:16:06Z)
• OmniPaint: Mastering Object-Oriented Editing via Disentangled Insertion-Removal Inpainting [54.525583840585305]
  我々はオブジェクトの削除と挿入を相互依存プロセスとして再概念化する統合フレームワークであるOmniPaintを紹介した。 我々の新しいCFDメトリクスは、コンテキスト整合性とオブジェクト幻覚の堅牢で参照不要な評価を提供する。
  論文  参考訳（メタデータ） (2025-03-11T17:55:27Z)
• Readout Guidance: Learning Control from Diffusion Features [96.22155562120231]
  本稿では,学習信号を用いたテキスト・画像拡散モデル制御手法であるReadout Guidanceを提案する。 Readout Guidanceはリードアウトヘッドを使用し、トレーニング済みの凍結拡散モデルの特徴から信号を取り出すために訓練された軽量ネットワークである。 これらの読み出しは、ポーズ、深さ、エッジなどのシングルイメージ特性や、対応性や外観類似性といった複数の画像に関連する高次特性を符号化することができる。
  論文  参考訳（メタデータ） (2023-12-04T18:59:32Z)

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。