論文の概要: ScoreDial: Precise Control of Visual Attributes in Image Generation via Regressor Guidance from Limited Human Ratings
- arxiv url: http://arxiv.org/abs/2611.05004v2
- Date: Thu, 05 Nov 2026 02:58:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.384324
- Title: ScoreDial: Precise Control of Visual Attributes in Image Generation via Regressor Guidance from Limited Human Ratings
- Title（参考訳）: ScoreDial:限られた人間のレーティングからの回帰誘導による画像生成における視覚属性の精密制御
- Abstract要約: 要求値制御は継続的ステアリングよりも厳格である。
私たちはScoreDialを紹介します。これは、R$から100-479の人間の評価画像に適合します。
- 参考スコア（独自算出の注目度）: 1.8422233289940342
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Requested-value control is stricter than continuous steering: given $c$ on a human-rating scale, the generated image should attain that value from only limited ratings. We present ScoreDial, which fits a differentiable regressor $R$ to 100-479 human-rated images; once $R$ is fixed, a requested value $c$ is defined on its output scale, and learned target conditioning is paired with error-adaptive guidance that repeatedly reduces $|R(\mathbf{x})-c|$ during sampling. Across tire slip resistance, interior visual complexity, food desire-to-eat, and soap translucency, using one set of sampler settings, ScoreDial reaches requested values and achieves $R$-MAE at most 0.013 over a range of width 0.8 and Spearman $ρ=0.980$, the maximum attainable under our protocol. Because $R$ also drives sampling, we evaluate agreement with $R$ separately from matched sweeps, an independent auditor fitted to the same ratings on a backbone no deployed regressor uses, and blinded human judgments. MPGD-flow also reaches the requested values under $R$, but ScoreDial has larger auditor displacement on every attribute, the largest among all compared methods, and a stronger MPGD-flow setting gives up target agreement without closing this gap. On every attribute, removing target conditioning leaves low $R$-MAE but more than halves auditor displacement, separating precise score correction from attribute movement. Blinded rating studies with 15 raters per attribute show mean human ratings track $c$ on tire and soap, with linear $R^2=0.665$ and $R^2=0.786$, and in forced-choice comparisons of matched sweeps, raters chose ScoreDial's as the clearer progression in at least 84% of judgments against every baseline. Code: https://github.com/Kamijo-Gen/ScoreDial.
- Abstract（参考訳）: 要求値制御は、連続的なステアリングよりも厳格である: 人間のレーティングスケールで$c$を与えられた場合、生成されたイメージは、限られたレーティングからのみその値を取得するべきである。
ScoreDialは、R$から100-479の人間の評価画像に適合し、R$が固定されると、要求値$c$が出力スケールで定義され、学習対象条件付けとエラー適応ガイダンスがペアリングされ、サンプリング中に繰り返し$|R(\mathbf{x})-c|$が減少する。
ScoreDialは, タイヤスリップ抵抗, 内部の視覚的複雑度, 食欲・食欲・食欲・食欲・食欲・食欲・食欲・食欲・食欲の半透明度, サンプル設定の1セットを用いて, 要求値に到達し, 最大0.013で, 0.8の幅でR$-MAE, プロトコルで達成可能な最大値であるSpearman$ρ=0.980$を達成する。
R$もサンプリングを推進しているので、マッチしたスイープと、デプロイされた回帰器を使用しないバックボーン上の同じ評価に適合する独立した監査官、盲目な人間の判断から、R$との合意を別々に評価します。
MPGD-flowはR$以下の要求値にも達するが、ScoreDialは全ての属性に対するオーディショニングの変位が大きい。
各属性について、目標条件付けを除去するとR$-MAEが低くなり、オーディショニングの変位が半減し、属性の動きから正確なスコア補正が分離される。
1属性あたり15のレーティングによるブラインド評価では、タイヤと石けんで、リニアな$R^2=0.665$と$R^2=0.786$、マッチしたスイープの強制選択比較では、各ベースラインに対する判断の少なくとも84%において、ScoreDialをより明確な進歩として選択した。
コード:https://github.com/Kamijo-Gen/ScoreDial.com
関連論文リスト
- TileSkipper: Region-Adaptive Tile Pruning for 3D Gaussian Splatting [60.48772713715659]
TileSkipperは凍結チェックポイントに対して、ガウス単位の静的カットオフポリシーを選択する。
Mip-NeRF 360、Tants & Temples、Deep Blendingの13のシーンで、固定政治のAccuTileスイープは、標準解像度で1.088times$、幅で1.238times$3840Pixelsというデータセットとマクロのスピードアップを提供する。
論文 参考訳（メタデータ） (2026-10-07T03:01:51Z) - Measurement Boundaries in LLM Financial Agent Evaluation: Fixed-Tape Execution and Multi-Defect Auditing [0.0635655952373977]
本研究では,金融エージェントの評価において,実行性能の解釈と監査スコアの2つの限界について検討する。
StudyAでは、3つの合成セッティング上での独立実行とストレスのある実行を比較することで、実行ルールと新しいモデル応答とポートフォリオフィードバックが混在する。
StudyBでは,従来のタスクをゼロ,1,2の欠陥タスクに,明示的なマルチラベルプロンプトで置き換えることによって,1から2の欠陥からの目標違反リコールの減少は,監査と情報源の組み合わせの5つのうち5つにおいて肯定的である。
論文 参考訳（メタデータ） (2026-09-26T08:54:21Z) - Drift Variation Autoencoder: Unifying Generation and Representation Learning through Conditional Posterior Flow Matching [0.0]
この研究は、条件生成の共通統計対象として対応する後続の$P(Xmid C)$を取る。
ドリフト変動オートエンコーダは、マスク付きエンコーダ$Z=E(C)$と、1つのきれいな予測フローマッチング損失を持つ条件付きフローデコーダを訓練する。
論文 参考訳（メタデータ） (2026-08-25T20:38:50Z) - Where Grounding Accuracy Lives on the IoU Curve: Label-Free Inference-Time Boundary Refinement [1.4061915592167218]
視覚言語モデルは、不正確なバウンディングボックスを返しながら正しい参照を識別することができる。
そこで本研究では,凍結直接解答モデルを用いて局所的な観測を行う方法について検討する。
3つのエビデンスレベルにまたがって結果を報告します。
論文 参考訳（メタデータ） (2026-08-20T01:40:32Z) - Scaling Laws for Agent Harnesses via Effective Feedback Compute [53.68149869349268]
emphEffective Feedback Compute (EFC)は、情報的、有効、非冗長な場合にのみフィードバックを信用し、その後の決定のために保持するトレースレベルのスケーリング座標である。
EFCベースの座標は、生の計算ベースラインよりも失敗率を常に予測する。
論文 参考訳（メタデータ） (2026-05-28T09:45:47Z) - Multi-Dimensional Behavioral Evaluation of Agentic Stock Prediction Systems Using Large Language Model Judges with Closed-Loop Reinforcement Learning Feedback [1.2362187555287152]
ファイナンスにおける予測評価は、ポイント予測エラーに基づく集計精度測定と予測精度テストに依存している。
本稿では,中間決定プロセス自体を評価することによって,精度試験を補完する行動予測評価手法を提案する。
論文 参考訳（メタデータ） (2026-05-07T06:31:34Z) - Reinforcement Learning from Multi-Source Imperfect Preferences: Best-of-Both-Regimes Regret [71.69884486156359]
我々は, 累積的不完全化予算を用いて, エンフルティソースの不完全性選好からエピソードRLを考察した。
我々は,最良な登録行動を示す,後悔$tildeO(sqrtK/M+)$の統一アルゴリズムを提案する。
論文 参考訳（メタデータ） (2026-03-20T19:34:53Z) - Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning [61.07540493350384]
自己蒸留(英: Self-distillation, SD)とは、教師自身の予測と地道の混合で学生を訓練する過程である。
任意の予測リスクに対して、各正規化レベルにおいて、最適に混合された学生がリッジ教師に改善されることが示される。
本稿では,グリッド探索やサンプル分割,再構成なしに$star$を推定する一貫したワンショットチューニング手法を提案する。
論文 参考訳（メタデータ） (2026-02-19T17:21:15Z) - Learn to Guide Your Diffusion Model [84.82855046749657]
本研究では,条件付き拡散モデルによる試料の品質向上手法について検討する。
誘導ウェイトは$omega_c,(s,t)$で、条件付き$c$、飾る時間$t$、飾る時間$s$の関数です。
我々は,モデルが報酬関数によって傾いた分布を目標にすることができるように,フレームワークを拡張して報酬付きサンプリングを行う。
論文 参考訳（メタデータ） (2025-10-01T12:21:48Z) - Multi-label Contrastive Predictive Coding [125.03510235962095]
差分相互情報(MI)推定器は、コントラスト予測符号化(CPC)のような教師なし表現学習法で広く利用されている。
本稿では,複数の正のサンプルを同時に同定する必要がある多ラベル分類問題に基づく新しい推定器を提案する。
同一量の負のサンプルを用いて複数ラベルのCPCが$log m$boundを超えることができる一方で、相互情報の有意な下限であることを示す。
論文 参考訳（メタデータ） (2020-07-20T02:46:21Z)
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。