論文の概要: PASTA: Prompt-Aware Annealed Diffusion Sampling

• arxiv url: http://arxiv.org/abs/2610.32390v1
• Date: Fri, 23 Oct 2026 09:16:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.445396
• Title: PASTA: Prompt-Aware Annealed Diffusion Sampling
• Title（参考訳）: PASTA: プロンプトを意識した拡散サンプリング
• Abstract要約: 現実世界のビジュアルデザインは、見出し、ロゴ、UI要素のためのクリーンな領域を意図的に保存する必要があります。 既存のレイアウト対応のテキスト・ツー・イメージ方式では、予約された領域を厳密に保存することは困難である。 本稿では, Prompt-Aware Shared-Latent Training-Free Annealed Diffusion Smpling フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 10.335528722748476
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While Diffusion models produce high-quality images, real-world visual design requires intentionally preserving clean regions for headlines, logos, or UI elements. Existing layout-aware text-to-image methods struggle to strictly preserve reserved regions, often introducing unwanted content that complicates downstream editing. Existing approaches either manipulate attention to displace content or suppress conditioning via noise-level interventions. However, these methods sacrifice visual coherence, producing flat regions or noticeable style inconsistencies between reserved and non-reserved areas. To address this limitation, we propose a Prompt-Aware Shared-Latent Training-Free Annealed Diffusion Sampling (PASTA), a training-free framework that enforces reserved-region constraints by selectively applying semantic guidance to object-allowed regions during sampling. PASTA operates on a shared latent trajectory, where full-prompt and context-prompt guidance are fused through mask-guided sampling. An annealed schedule suppresses semantic leakage during early denoising stages while gradually restoring visual consistency in later stages. Extensive experiments demonstrate that PASTA improves reserved-region fidelity while preserving overall image realism and perceptual consistency.
• Abstract（参考訳）: Diffusionモデルは高品質な画像を生成するが、現実のビジュアルデザインでは、見出し、ロゴ、UI要素のクリーンな領域を意図的に保存する必要がある。 既存のレイアウト対応のテキスト・ツー・イメージ方式は、しばしば下流編集を複雑にする不要なコンテンツを導入し、予約された領域を厳密に保存するのに苦労する。 既存のアプローチでは、注意を操作してコンテンツを取り除いたり、ノイズレベルの介入による条件付けを抑えたりしている。 しかし、これらの手法は視覚的コヒーレンスを犠牲にし、平らな地域を産み出すか、保存地域と保存されていない地域の間で顕著なスタイルの不整合を生じさせる。 この制限に対処するために、サンプリング中にオブジェクト許容領域に意味的ガイダンスを選択的に適用することにより、予約制約を強制するトレーニングフリーフレームワークであるPASTA(Prompt-Aware Shared-Latent Training-Free Annealed Diffusion Smpling)を提案する。 PASTAは、マスク誘導サンプリングによってフルプロンプトとコンテクスト・プロンプトのガイダンスを融合させる、共有潜在軌道で動作する。 焼鈍スケジュールは、初期の認知段階における意味的漏洩を抑制し、後期段階において徐々に視覚的一貫性を回復させる。 広汎な実験により、PASTAは画像リアリズムと知覚整合性を保ちながら、予約領域の忠実性を改善することが示されている。

関連論文リスト

• Rethinking Memorization Mitigation in Diffusion Models: Reinforcing Text Conditioning [10.935602641612888]
  本稿では,ガウシアンスムースメントによるクロスアテンションを再分配する学習自由手法を提案する。 より強力なコンテントコンディショニングは、同等のトレーニングイメージの類似性において、迅速なアライメントを改善することができる。 これらの知見は, 条件付アロケーションと強度を協調的に制御し, 即時的な代替品を生成することを支援する。
  論文  参考訳（メタデータ） (2026-10-01T13:58:56Z)
• Mitigating Memorization in Text-to-Image Diffusion via Region-Aware Prompt Augmentation and Multimodal Copy Detection [53.789057575175065]
  領域認識型prompt Augmentation(RAPTA)とAttention-Driven Multimodal Copy Detection(ADMCD)を示す。 RAPTAはオブジェクト検出器を使用して、正常な領域を見つけ、それらを意味論的に接地したプロンプトの変種に変換する。 ADMCDは、ローカルパッチ、グローバルセマンティック、テクスチャキューを軽量トランスフォーマーで集約し、融合表現を生成する。 実験により、RAPTAは高い合成品質を維持しながら過度な適合を減少させ、ADMCDはコピーを確実に検出し、単一モードの指標より優れることが示された。
  論文  参考訳（メタデータ） (2026-03-13T15:16:27Z)
• DiSa: Saliency-Aware Foreground-Background Disentangled Framework for Open-Vocabulary Semantic Segmentation [16.57245702815661]
  Open-vocabulary semantic segmentationは、テキストラベルに基づいた画像内の各ピクセルにラベルを割り当てることを目的としている。 既存のアプローチでは、CLIPのような視覚言語モデル(VLM)を高密度な予測に利用するのが一般的である。 本稿では,新しいサリエンシを意識したフォアグラウンド・バックアングル型フレームワークであるDiSaを紹介する。
  論文  参考訳（メタデータ） (2026-01-27T21:15:10Z)
• CAPTAIN: Semantic Feature Injection for Memorization Mitigation in Text-to-Image Diffusion Models [60.610268549138375]
  拡散モデルは意図せずトレーニング例を再現し、プライバシーと著作権の懸念を高めることができる。 CAPTAINはトレーニング不要のフレームワークで,聴覚障害時に潜伏した特徴を直接修正することで記憶を緩和する。
  論文  参考訳（メタデータ） (2025-12-11T14:01:47Z)
• StableGuard: Towards Unified Copyright Protection and Tamper Localization in Latent Diffusion Models [55.05404953041403]
  拡散生成プロセスにバイナリ透かしをシームレスに統合する新しいフレームワークを提案する。 画像の忠実さ、透かしの検証、ローカライゼーションの改ざんにおいて、StableGuardは一貫して最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-22T16:35:19Z)
• Blind-Spot Guided Diffusion for Self-supervised Real-World Denoising [55.099717395320276]
  Blind-Spot Guided Diffusionは、現実のイメージをデノナイズするための新しい自己教師型フレームワークである。 提案手法は,盲点ネットワーク(BSN)の限界と,自己教師型認知への拡散モデルの適用の難しさの2つに対処する。
  論文  参考訳（メタデータ） (2025-09-19T15:35:07Z)
• Be Decisive: Noise-Induced Layouts for Multi-Subject Generation [56.80513553424086]
  複雑なプロンプトは被写体漏れを引き起こし、量、属性、視覚的特徴の不正確さを引き起こす。 本稿では,初期雑音から導出されるプロンプトに整合した空間配置を予測し,デノナイジング過程を通じて改良する手法を提案する。 提案手法では,各聴覚ステップにおける雑音誘発レイアウトを予測・改善するために,小さなニューラルネットワークを用いる。
  論文  参考訳（メタデータ） (2025-05-27T17:54:24Z)
• From Missing Pieces to Masterpieces: Image Completion with Context-Adaptive Diffusion [98.31811240195324]
  ConFillは、各拡散ステップで生成された画像とオリジナル画像の差を小さくする新しいフレームワークである。 現行の手法より優れており、画像補完の新しいベンチマークが設定されている。
  論文  参考訳（メタデータ） (2025-04-19T13:40:46Z)

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。