| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-02-20 11:00 拡散モデル画像生成のスケッチガイダンスによる修正 ○Zhang Ding Sandra・毛 家豊・相澤清晴（東大）  ITS2023-64 IE2023-53 |
|
| 抄録 | （和） | 大規模画像生成モデルは、多様かつ高品質な画像を生み出す卓越した能力を持っていますが、実際のコンテンツ制作で、特にユーザーが画像生成を微細にコントロールすることは難しい課題となっています。この論文では、テキストから画像への生成モデルを拡張し、スケッチを追加の入力として受け入れる新しい手法を提案します。この方法は、元のモデルの能力を保ちつつ、ユーザーがスケッチを用いて構造的な指示を与えることができるようにします。スケッチからの重要特徴を抽出し、それを基に、入力画像と似たレイアウト・構造の新画像を作成します。このアプローチは、事前訓練済みのテキストから画像への拡散モデルを用い、スケッチのレイアウト構造とテキストプロンプトの両方に適合する画像を生み出します。これにより、追加の訓練や基本モデルの調整なしに、スケッチの構造情報を画像生成プロセスに直接かつ効率的に組み込む、直感的で効果的な方法が実現されます。 |
| （英） | Large-scale image generation models have demonstrated their remarkable ability to generate diverse, high-quality images. However, harnessing their potential for real-world content creation, particularly in providing users with fine-grained control over image generation, remains a challenge. In this paper, we propose a novel pipeline that extends existing text-to-image generation models to accept sketch as an additional input. This approach not only retains the original capabilities of the models but also enriches them by allowing users to input structural guidance through sketches. By extracting core features from the sketch, users can create a new image that has a similar layout and structure to the input image. Our approach leverages the power of a pre-trained text-to-image diffusion model, enabling the generation of an image that aligns with both the layout structure of the sketch and the accompanying text prompt. This results in a straightforward yet effective method, where the sketch's structural information is directly and efficiently incorporated into the image generation process without additional training or calibration of foundational models. | |
| キーワード | （和） | 拡散モデル / テキストから画像生成 / / / / / / |
| （英） | sketch-to-image / text-to-image / diffusion-model / fine-grained control / image generation / / / | |
| 文献情報 | 信学技報, vol. 123, no. 381, IE2023-53, pp. 95-99, 2024年2月. | |
| 資料番号 | IE2023-53 | |
| 発行日 | 2024-02-12 (ITS, IE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | ITS2023-64 IE2023-53 |
|
| 研究会情報 | |
| 研究会 | ITS IE ITE-MMS ITE-ME ITE-AIT |
| 開催期間 | 2024-02-19 - 2024-02-20 |
| 開催地（和） | 北海道大学 |
| 開催地（英） | Hokkaido Univ. |
| テーマ（和） | 画像処理、一般（予定） |
| テーマ（英） | Image Processing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IE |
| 会議コード | 2024-02-ITS-IE-MMS-ME-AIT |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | 拡散モデル画像生成のスケッチガイダンスによる修正 |
| サブタイトル（和） | |
| タイトル（英） | Image Generation Modification with Diffusion Model through Sketch Guidance |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 拡散モデル / sketch-to-image |
| キーワード(2)（和/英） | テキストから画像生成 / text-to-image |
| キーワード(3)（和/英） | / diffusion-model |
| キーワード(4)（和/英） | / fine-grained control |
| キーワード(5)（和/英） | / image generation |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | Zhang Ding Sandra / Sandra Zhang Ding / ジャン ディン サンドラ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第2著者 氏名（和/英/ヨミ） | 毛 家豊 / Jiafeng Mao / マオ ジャフォン |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第3著者 氏名（和/英/ヨミ） | 相澤 清晴 / Kiyoharu Aizawa / アイザワ キヨハル |
| 第3著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-02-20 11:00:00 |
| 発表時間 | 15分 |
| 申込先研究会 | IE |
| 資料番号 | ITS2023-64, IE2023-53 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.380(ITS), no.381(IE) |
| ページ範囲 | pp.95-99 |
| ページ数 | 5 |
| 発行日 | 2024-02-12 (ITS, IE) |
[研究会発表申込システムのトップページに戻る]