論文の概要: WaveletLoRA: Frequency-Aware Content-Style Decomposition for Personalized Image Generation
- arxiv url: http://arxiv.org/abs/2611.15617v1
- Date: Wed, 11 Nov 2026 15:36:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.18417
- Title: WaveletLoRA: Frequency-Aware Content-Style Decomposition for Personalized Image Generation
- Title(参考訳): WaveletLoRA:パーソナライズされた画像生成のための周波数対応コンテンツスタイル分解
- Abstract要約: 本稿では、ウェーブレットドメイン管理によるコンテンツスタイルの明示的な分解のための新しいフレームワークであるWaveletLoRAを提案する。
我々は、WaveletLoRAが既存のメソッドを一貫して上回り、人間の好みに合わせた結果を生み出すことを示す。
- 参考スコア(独自算出の注目度): 11.763782681592962
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Content-style decomposition from a single image is a fundamental challenge in personalized image generation, aiming to separate subject identity from visual style for flexible recomposition. Existing approaches primarily operate in the spatial domain, without explicitly exploiting the distinct frequency characteristics naturally associated with content and style. In this paper, we propose WaveletLoRA, a novel frequency-aware framework for explicit content-style decomposition through wavelet-domain supervision. Specifically, we first apply a multi-level discrete wavelet transform (DWT) to decompose the reference image into low-frequency and high-frequency subbands. We then assign a dedicated LoRA branch to each subband, where the low-frequency branch models global appearance for style acquisition, while the high-frequency branches capture structural details for content preservation. To further improve disentanglement quality, we introduce a dense Mixture-of-Experts aggregation module together with a frequency-domain regularization objective, which reduces style leakage and enhance content fidelity. In addition, we establish WaveBench and develop a VLM-based evaluation protocol that explicitly measures both attribute similarity and attribute separation for disentanglement assessment. Extensive experiments demonstrate that WaveletLoRA consistently outperforms existing methods and produces results that better align with human preference.
- Abstract(参考訳): 1つの画像からのコンテンツスタイルの分解は、パーソナライズされた画像生成における基本的な課題であり、フレキシブルな再構成のために、視覚的スタイルから主観的アイデンティティを分離することを目的としている。
既存のアプローチは主に空間領域で動作し、コンテンツやスタイルに自然に関連付けられた異なる周波数特性を明示的に活用する。
本稿では、ウェーブレットドメイン管理によるコンテンツスタイルの明示的分解のための新しい周波数認識フレームワークであるWaveletLoRAを提案する。
具体的には、まずマルチレベル離散ウェーブレット変換(DWT)を適用し、参照画像を低周波サブバンドと高周波サブバンドに分解する。
次に、各サブバンドに専用のLoRAブランチを割り当て、低周波分岐は、スタイル取得のためのグローバルな外観をモデル化し、高周波分岐は、コンテンツ保存のための構造的詳細をキャプチャする。
さらに, 周波数領域正規化の目的と合わせて, 密集型混合集合モジュールを導入し, スタイルの漏洩を低減し, コンテンツの忠実度を高める。
さらに,WaveBenchを構築し,属性類似度と属性分離の両方を明確に評価するVLMベースの評価プロトコルを開発した。
大規模な実験では、WaveletLoRAが既存の手法を一貫して上回り、人間の好みに合う結果を生み出している。
関連論文リスト
- WaveRNet: Wavelet-Guided Frequency Learning for Multi-Source Domain-Generalized Retinal Vessel Segmentation [4.23704854635294]
領域一般化網膜血管分節は眼科における自動診断に重要である。
本稿では,ウェーブレット誘導周波数学習フレームワークであるWaveRNetを提案する。
論文 参考訳(メタデータ) (2026-01-09T16:58:29Z) - WaveSeg: Enhancing Segmentation Precision via High-Frequency Prior and Mamba-Driven Spectrum Decomposition [61.3530659856013]
本稿では,空間およびウェーブレット領域の機能改善を共同で最適化する新しいデコーダアーキテクチャであるWaveSegを提案する。
高周波成分は、まず入力画像から、境界の詳細を強化するために明示的な先行として学習される。
標準ベンチマークの実験では、Mambaベースの注目に先立ってウェーブレット-ドメイン周波数を利用するWaveSegが、常に最先端のアプローチより優れていることが示されている。
論文 参考訳(メタデータ) (2025-10-24T01:41:31Z) - Frequency Domain-Based Diffusion Model for Unpaired Image Dehazing [92.61216319417208]
そこで本稿では,未確認データにおける有益な知識を十分に活用するための,新しい周波数領域ベース拡散モデルを提案する。
拡散モデル(DM)が示す強い生成能力に着想を得て,周波数領域再構成の観点からデハージング課題に取り組む。
論文 参考訳(メタデータ) (2025-07-02T01:22:46Z) - Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。
本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。
様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
論文 参考訳(メタデータ) (2025-05-25T12:23:10Z) - A Hybrid Wavelet-Fourier Method for Next-Generation Conditional Diffusion Models [0.0]
本稿では、拡散パラダイムをハイブリッド周波数表現に適応させる新しい生成モデリングフレームワーク、Wavelet-Fourier-Diffusionを提案する。
ハイブリッド周波数に基づく表現は,大域的コヒーレンスと微妙なテクスチャ合成の制御をいかに改善するかを示す。
論文 参考訳(メタデータ) (2025-04-04T17:11:04Z) - ZePo: Zero-Shot Portrait Stylization with Faster Sampling [61.14140480095604]
本稿では,4つのサンプリングステップでコンテンツとスタイルの融合を実現する拡散モデルに基づく,インバージョンフリーなポートレートスタイリングフレームワークを提案する。
本稿では,一貫性機能における冗長な特徴をマージする機能統合戦略を提案し,注意制御の計算負荷を低減させる。
論文 参考訳(メタデータ) (2024-08-10T08:53:41Z) - Unified Frequency-Assisted Transformer Framework for Detecting and
Grounding Multi-Modal Manipulation [109.1912721224697]
本稿では、DGM4問題に対処するため、UFAFormerという名前のUnified Frequency-Assisted TransFormerフレームワークを提案する。
離散ウェーブレット変換を利用して、画像を複数の周波数サブバンドに分解し、リッチな顔偽造品をキャプチャする。
提案する周波数エンコーダは、帯域内およびバンド間自己アテンションを組み込んだもので、多種多様なサブバンド内および多種多様なフォージェリー特徴を明示的に集約する。
論文 参考訳(メタデータ) (2023-09-18T11:06:42Z) - Universal Face Restoration With Memorized Modulation [73.34750780570909]
本稿では,ユニバーサルブラインド顔修復(BFR)のための記憶変調(RMM)フレームワークを提案する。
ランダムノイズと教師なしウェーブレットメモリを適用し、顔強調生成装置を適応的に変調する。
実験により,提案手法が最先端の手法と比較して優れていること,野生における優れた一般化が示された。
論文 参考訳(メタデータ) (2021-10-03T15:55:07Z) - SWAGAN: A Style-based Wavelet-driven Generative Model [45.31551926562387]
Style and WAvelet based GAN (SWAGAN) は周波数領域のプログレッシブ生成を実装している。
SWAGANは、ジェネレータと識別器アーキテクチャ全体を通してウェーブレットを組み込み、各ステップで周波数対応の潜在表現を強制する。
論文 参考訳(メタデータ) (2021-02-11T16:43:10Z)
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。