論文の概要: Grounded Exploration for Open-Ended Image Editing

• arxiv url: http://arxiv.org/abs/2610.33810v1
• Date: Sat, 24 Oct 2026 17:15:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.45144
• Title: Grounded Exploration for Open-Ended Image Editing
• Title（参考訳）: オープンエンディング画像編集のための接地探索
• Abstract要約: まず,多種多様な編集範囲を識別し,実行可能な編集命令として認識する2段階のフレームワークを提案する。 提案手法は,300以上のオープンエンド画像編集タスクに対して,平均意味分散度が24.6%高く,平均基底度が17.1%高くなった。
• 参考スコア（独自算出の注目度）: 12.982567632183601
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Open-ended image-editing requests, such as ``decorate this room,'' admit multiple valid realizations. Direct sampling may produce ungrounded variation, whereas explicit diversity prompting often produces superficial differences. We study how to ground these requests without prematurely eliminating their legitimate ambiguity. We introduce a two-stage framework that first identifies diverse, feasible edit scopes and then realizes them as executable edit instructions. Across 300 open-ended image-editing tasks, our approach achieves 24.6% higher mean semantic dispersion and 17.1% higher mean groundedness than direct diversity prompting, while producing more valid and distinct realizations. These results show that structuring feasible edit directions before realization supports more useful grounded exploration.
• Abstract（参考訳）: 例えば '`decorate this room'' のようなオープンなイメージ編集リクエストは、複数の有効な実現を許可する。 直接サンプリングは非基底的な変化を引き起こすが、明示的な多様性は表面的な違いをもたらすことが多い。 我々は,これらの要求を,正当性の曖昧さを早急に排除せずに解決する方法を研究する。 まず,多種多様な編集範囲を識別し,実行可能な編集命令として認識する2段階のフレームワークを提案する。 提案手法は,300以上のオープンエンド画像編集タスクに対して,平均意味分散度が24.6%高く,平均基底度が17.1%向上し,より有効で明確な実現法が得られた。 これらの結果から,実現前の編集方向の構造化は,より有用な地中探査を支援することが示唆された。

関連論文リスト

• TweezeEdit: Consistent and Efficient Image Editing with Path Regularization [6.248205481752008]
  我々は、一貫性と効率的な画像編集のためのチューニング不要かつ逆変換のないフレームワークであるTweezeEditを提案する。 本手法は, 逆アンカーのみに依存するのではなく, denoising path全体を正規化することで, これらの制約に対処する。 実験では、TweezeEditのセマンティックな保存とターゲットアライメントにおける優れたパフォーマンスを示し、既存の手法よりも優れています。
  論文  参考訳（メタデータ） (2025-08-14T09:59:45Z)
• LUSD: Localized Update Score Distillation for Text-Guided Image Editing [11.293199854940772]
  近年の研究では, テキスト・ツー・イメージ拡散モデルに先立って, 豊かな生成を生かしたスコア蒸留技術が導入されている。 注意に基づく空間正規化と勾配フィルタリング-正規化の2つの簡易かつ効果的な修正を提案する。 実験結果から,本手法は,最先端の蒸留技術よりも高速な忠実度を実現し,背景を保ちながら良好な編集を行なえることを示した。
  論文  参考訳（メタデータ） (2025-03-14T03:45:29Z)
• Vision-guided and Mask-enhanced Adaptive Denoising for Prompt-based Image Editing [28.904419606450876]
  視覚誘導・マスク強調適応編集法(ViMAEdit)を提案する。 まず,画像の埋め込みを明示的なガイダンスとして活用し,従来のテキストのプロンプトに基づく記述プロセスを強化することを提案する。 第2に,自己注意型反復編集領域接地戦略を考案する。
  論文  参考訳（メタデータ） (2024-10-14T13:41:37Z)
• Latent Space Disentanglement in Diffusion Transformers Enables Zero-shot Fine-grained Semantic Editing [4.948910649137149]
  Diffusion Transformer (DiTs) は多種多様な高品質のテキスト・トゥ・イメージ(T2I)生成において顕著な成功を収めた。 テキストと画像の潜伏者が、生成した画像のセマンティクスに、個々と共同でどのように貢献するかを検討する。 ゼロショットきめ細かい画像編集のための簡易かつ効果的な抽出マニピュレーション・サンプル・フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-23T19:00:52Z)
• Breaking Modality Disparity: Harmonized Representation for Infrared and Visible Image Registration [66.33746403815283]
  シーン適応型赤外線と可視画像の登録を提案する。 我々は、異なる平面間の変形をシミュレートするためにホモグラフィーを用いる。 我々は、まず、赤外線と可視画像のデータセットが不一致であることを示す。
  論文  参考訳（メタデータ） (2023-04-12T06:49:56Z)
• StyleDiffusion: Prompt-Embedding Inversion for Text-Based Editing [115.49488548588305]
  画像の編集のために、事前訓練された拡散モデルの驚くべき能力を活用することに重点が置かれている。 彼らはモデルを微調整するか、事前訓練されたモデルの潜在空間で画像を反転させる。 選択された地域に対する不満足な結果と、非選択された地域における予期せぬ変化の2つの問題に悩まされている。
  論文  参考訳（メタデータ） (2023-03-28T00:16:45Z)
• HandFlow: Quantifying View-Dependent 3D Ambiguity in Two-Hand Reconstruction with Normalizing Flow [73.7895717883622]
  条件付き正規化フローフレームワークにおける可塑性再構成の分布を明示的にモデル化する。 この課題に対して,明示的な曖昧さモデリングが適していることを示す。
  論文  参考訳（メタデータ） (2022-10-04T15:42:22Z)

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。