論文の概要: AlphaAnything: Extending Pretrained RGB Generators to RGBA

• arxiv url: http://arxiv.org/abs/2610.32413v1
• Date: Fri, 23 Oct 2026 09:41:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.449109
• Title: AlphaAnything: Extending Pretrained RGB Generators to RGBA
• Title（参考訳）: AlphaAnything: トレーニング済みのRGB電源をRGBAに拡張
• Abstract要約: 提案するAlphaAnythingは,RGBAを事前学習することなく,RGBAからRGBAへ直接拡張するフレームワークである。 片方向のRGB-alpha機能共有は、不透明な監督によって生成潜時を形作ることができるが、固定潜時において、RGB復号が事前訓練された復号器と同一であることを保証する。
• 参考スコア（独自算出の注目度）: 13.566519059190378
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing RGBA generation methods commonly learn a transparency-specific representation through reconstruction, introducing an additional training stage and potentially altering the RGB decoding function inherited from pretrained models. We present AlphaAnything, a lightweight framework that extends pretrained RGB generators to RGBA directly in their original latent space, without RGBA reconstruction pretraining. AlphaAnything inserts LoRA modules into the generative transformer and attaches an alpha branch to the frozen RGB VAE decoder. Unidirectional RGB-to-alpha feature sharing allows opacity supervision to shape the generative latent while guaranteeing that, for any fixed latent, RGB decoding remains identical to that of the pretrained decoder. We further introduce Endpoint-Aware Alpha Loss (EA Loss), which derives opacity supervision from the complementary foreground--background weights used in compositing. It supports exact opacity endpoints and continuous partial transparency while emphasizing localized alpha errors. Experiments on text-to-RGBA and image-to-RGBA tasks across multiple pretrained RGB backbones demonstrate competitive generation quality, and controlled ablations validate the shared-latent training design and EA Loss.
• Abstract（参考訳）: 既存のRGBA生成方法は、再構築を通じて透過性固有の表現を学習し、追加のトレーニングステージを導入し、事前訓練されたモデルから継承されたRGB復号関数を変更する可能性がある。 提案するAlphaAnythingは,RGBAを事前学習することなく,RGBAからRGBAへ直接拡張する軽量フレームワークである。 AlphaAnythingは、LoRAモジュールを生成トランスに挿入し、凍結したRGB VAEデコーダにアルファブランチをアタッチする。 片方向のRGB-alpha機能共有は、不透明な監督によって生成潜時を形作ることができるが、固定潜時において、RGB復号が事前訓練された復号器と同一であることを保証する。 さらに、補足的な前景重みから不透明性監視を導出する「Depoint-Aware Alpha Loss (EA Loss)」についても紹介する。 ローカライズされたアルファエラーを強調しながら、正確な不透明なエンドポイントと継続的な部分的透過性をサポートする。 複数の事前訓練されたRGBバックボーンにおけるテキスト・ツー・RGBAタスクとイメージ・ツー・RGBAタスクの実験は、競争力のある生成品質を示し、制御された改善により、共有遅延トレーニング設計とEA損失が検証される。

関連論文リスト

• Wan-Alpha++: Animating a Single RGBA Asset into Controllable Transparent Video Effects [24.25534681682299]
  We present Wan-Alpha++, a unified framework that bring controllable RGBA video generation to both text- and image-to-video spread backbones。 具体的には、透過性を考慮した双方向拡散目標を導入し、識別可能なRGBA潜在表現を生成する。
  論文  参考訳（メタデータ） (2026-10-19T11:18:11Z)
• TransText: Alpha-as-RGB Representation for Transparent Text Animation [35.1650602838868]
  層認識型テキスト(グリフ)アニメーションに画像から映像モデルを適用するための第1の手法を提案する。 外観と透明性を協調的にモデル化する新しいAlpha-as-RGBパラダイムに基づくフレームワークであるTransTextを提案する。 実験の結果,TransTextはベースラインを著しく上回り,コヒーレントで高忠実度なアニメーションを生成することがわかった。
  論文  参考訳（メタデータ） (2026-03-18T17:16:40Z)
• AlphaVAE: Unified End-to-End RGBA Image Reconstruction and Generation with Alpha-Aware Representation Learning [32.798523698352916]
  ALPHAは、標準RGBメトリクスを標準背景のアルファブレンディングにより4チャンネル画像に適応する最初の総合RGBAベンチマークである。 さらに、専用アルファチャンネルを組み込むことで、事前訓練されたRGB VAEを拡張した、統一されたエンドツーエンドRGBA VAEであるALPHAVAEを紹介する。 我々のRGBA VAEは、従来の1Mに比べて8K画像のみに基づいて訓練されており、PSNRでは+4.9dB、再構築時にはLayerDiffuseよりも+3.2%のSSIM向上を実現している。
  論文  参考訳（メタデータ） (2025-07-12T14:53:42Z)
• TransPixeler: Advancing Text-to-Video Generation with Transparency [43.6546902960154]
  本稿では,従来のRGB機能を維持しつつ,RGBA生成のための事前学習ビデオモデルを拡張する方法であるTransPixelerを紹介する。 提案手法は,多彩で一貫したRGBA動画を効果的に生成し,VFXやインタラクティブなコンテンツ制作の可能性を高める。
  論文  参考訳（メタデータ） (2025-01-06T13:32:16Z)
• DFormer: Rethinking RGBD Representation Learning for Semantic Segmentation [76.81628995237058]
  DFormerは、RGB-Dセグメンテーションタスクの転送可能な表現を学ぶための新しいフレームワークである。 ImageNet-1Kから画像深度ペアを使用してバックボーンを事前トレーニングする。 DFormerは2つのRGB-Dタスクで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） (2023-09-18T11:09:11Z)
• Semantic-embedded Unsupervised Spectral Reconstruction from Single RGB Images in the Wild [48.44194221801609]
  この課題に対処するため、我々は、新しい軽量でエンドツーエンドの学習ベースのフレームワークを提案する。 我々は、効率的なカメラスペクトル応答関数推定により、検索されたHS画像から入力されたRGB画像と再投影されたRGB画像の差を徐々に広げる。 提案手法は最先端の教師なし手法よりも優れており,いくつかの設定下では最新の教師付き手法よりも優れている。
  論文  参考訳（メタデータ） (2021-08-15T05:19:44Z)
• Data-Level Recombination and Lightweight Fusion Scheme for RGB-D Salient Object Detection [73.31632581915201]
  深部特徴抽出に先立って,RGBとD(深部)を融合する新たなデータレベル組換え手法を提案する。 新たに設計された3重ストリームネットワークをこれらの新しい定式化データ上に適用し,RGBとDのチャネルワイドな相補的融合状態を実現する。
  論文  参考訳（メタデータ） (2020-08-07T10:13:05Z)

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。