論文の概要: Semantic-First MixGRPO: Reliable Emotional Image Generation via Temporal Decoupling
- arxiv url: http://arxiv.org/abs/2610.33460v1
- Date: Sat, 24 Oct 2026 05:32:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.333713
- Title: Semantic-First MixGRPO: Reliable Emotional Image Generation via Temporal Decoupling
- Title（参考訳）: セマンティックファーストMixGRPO:テンポラルデカップリングによる信頼性の高い感情画像生成
- Abstract要約: コントロール可能な imagedev は、プロンプトによって指定されたオブジェクト、レイアウト、関係を置き換えることなく、視覚的影響を変更する必要がある。
フローベース画像生成のための属性制御変数としての1ウィンドウ位置について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Controllable image synthesis should modify visual affect without replacing the objects, layout, or relations specified by a prompt. Existing methods address this tension through conditioning architectures or auxiliary losses, while mixed ordinary differential equation (ODE) and stochastic differential equation (SDE) sampling has mainly been used to accelerate group relative policy optimization (GRPO). We instead study stochastic-window position as an attribute-control variable for flow-based image generation. Using FLUX.1-dev with EmotiCrafter-style valence-arousal conditioning, we compare fixed early, middle, and late four-transition SDE windows, progressive MixGRPO, and full-path Flow-GRPO under matched settings. Because step 0 has the highest noise, our semantic-first schedule uses deterministic ODE sampling at steps 0-19 to establish content, then confines stochastic exploration and policy updates to steps 20-23. Across three seeds, it achieves a CLIPScore of $29.662\pm0.276$, cross-affect DINO consistency of $80.1\pm0.9$, and semantic drift of 2.9%, while reducing training cost by 33.5% relative to full-path Flow-GRPO. Full-path stochastic training remains more accurate on valence-arousal targets, revealing a genuine trade-off. Semantic-first nevertheless improves both affect and semantic metrics over progressive scheduling, preserves the principal subject in 95.98% of images at five extreme or neutral targets, and receives the highest semantic-preservation and overall-preference ratings in a 30-participant study. These results identify probability-flow time as a practical graphics control dimension for reliable affective appearance manipulation.
- Abstract（参考訳）: 制御可能な画像合成は、プロンプトによって指定されたオブジェクト、レイアウト、関係を置き換えることなく、視覚的影響を修正すべきである。
既存の手法では、条件付きアーキテクチャや補助的損失によってこの緊張に対処するが、混合常微分方程式(ODE)と確率微分方程式(SDE)のサンプリングは、主にグループ相対政策最適化(GRPO)の高速化に用いられている。
代わりに、フローベース画像生成のための属性制御変数として確率窓位置について検討する。
FLUX.1-dev with EmotiCrafter-style valence-arousal conditioning, we compare the fixed early, middle, late four-transition SDE windows, Progress MixGRPO, full-path Flow-GRPO under matched settings。
ステップ0が最もノイズが多いため、セマンティックファーストのスケジュールでは、ステップ0-19で決定論的ODEサンプリングを使用してコンテンツを確立する。
3つの種にまたがって、CLIPSスコアは29.662\pm0.276$、クロスフルのDINO一貫性は80.1\pm0.9$、セマンティックドリフトは2.9%、トレーニングコストはフルパスのFlow-GRPOに比べて33.5%削減される。
フルパス確率的トレーニングは、有能な目標に対してより正確であり、真のトレードオフを明らかにしている。
セマンティックファーストは、プログレッシブ・スケジューリングよりも感情とセマンティック・メトリクスの両方を改善し、極端または中立な5つのターゲットにおける画像の95.98%に主主題を保存し、30の参加者を対象にした研究で最も高いセマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティック・スコアを得られる。
これらの結果から、確率フロー時間は、信頼性のある情緒的外観操作のための実用的なグラフィック制御次元として同定される。
関連論文リスト
- Balancing Emotional Alignment and Semantic Consistency in Image Generation via Reinforcement Learning with Valence-Arousal Anchoring [55.57242007016976]
テキスト・ツー・イメージ生成における継続的な感情制御は、プロンプトによって記述されたオブジェクトやレイアウト、シーンを変更することなく、感情的アライメントを改善するモデルを必要とする。
既存の教師付き感情注入法は、しばしば特徴空間プロキシを最適化し、したがって感情のセマンティックドリフトを示す。
本稿では,連続的原子価覚醒条件設定,グループ相対ポリシー最適化,中立的セマンティックアンカーを組み合わせたフローマッチング画像生成フレームワークを用いてこの問題に対処する。
論文 参考訳（メタデータ） (2026-09-11T13:24:35Z) - Flow-GRPO: Training Flow Matching Models via Online RL [80.62659379624867]
本稿では,オンライン政策強化学習をフローマッチングモデルに統合する最初の方法であるFlow-GRPOを提案する。
提案手法では,(1)決定論的正規微分方程式を同値な微分方程式に変換するODE-to-SDE変換と,(2)推論ステップの数を維持しながらトレーニングの段階を短縮するDenoising Reduction戦略の2つの主要な戦略を用いる。
論文 参考訳（メタデータ） (2025-05-08T17:58:45Z)
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。