| 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 | 2026-05-13 14:50 意味マスクを用いたマスク形状に忠実な物体生成手法 ○高松 慶・ハオ グオチン・鷲見和彦（青学大）  PRMU2026-6 |
|
| 抄録 | （和） | 近年のテキスト指示型画像生成は高品質な画像を生成できる一方で，ユーザが指定した領域に対して，意図したカテゴリの物体を指定形状に忠実に生成することは依然として難しい．特にマスク付きinpaintingでは，生成物体のはみ出しや欠損，境界の不自然さが生じる場合がある．また，学習時と推論時でテキスト条件の表現が変動すると，意味ラベル付きマスクの効果を評価しにくくなる．本研究では，背景画像と意味ラベル付きマスクを条件として入力し，ControlNet を用いて指定領域に指定カテゴリの物体を生成する手法を検討した．MSCOCO のセグメンテーションデータから10カテゴリのデータセットを構築し，プロンプトはカテゴリ名に固定してテキスト条件のばらつきを抑えた．評価の結果，再学習したSD1.5Inpainting と比較して，提案手法は FID と IoU で改善を示し，特にマスク形状への追従性に有効であることが確認された．一方で，複雑背景や細長いマスクでは欠損や境界破綻が残り，また入力マスクの簡易生成では，カテゴリ整合と形状保持の両立が今後の課題として明らかになった． |
| （英） | Recent text-guided image generation models can synthesize high-quality images, but it is still difficult to generate an object of an intended category faithfully within a user-specified region and shape. In mask-based inpainting, generated objects may overflow from the mask, miss some parts, or have unnatural boundaries. In addition, variations in textual expressions between training and inference can make it difficult to isolate the effect of semantic masks. In this study, we investigate a method that takes a background image and a semantic mask as conditions and generates an object in the specified region by using ControlNet. A dataset of ten categories was constructed from the MSCOCO segmentation annotations, and the text prompt was fixed to the category name to reduce unnecessary variation in textconditions. Experimental results show that the proposed method improves FID and IoU over a retrained SD1.5 Inpainting baseline, indicating better shape consistency with the mask. On the other hand, failures remain for complex backgrounds and thin masks, and preliminary experiments on easy mask generation reveal that balancing category consistency and faithful shape preservation is still an open problem. |
|
| キーワード | （和） | 画像生成 / インペインティング / コントロールネット / 意味マスク / 拡散モデル / / / |
| （英） | image generation / inpainting / ControlNet / semantic mask / diffusion model / / / | |
| 文献情報 | 信学技報, vol. 126, no. 16, PRMU2026-6, pp. 32-37, 2026年5月. | |
| 資料番号 | PRMU2026-6 | |
| 発行日 | 2026-05-06 (PRMU) | |
| 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 | PRMU2026-6 |
|
| 研究会情報 | |
| 研究会 | PRMU IPSJ-CVIM |
| 開催期間 | 2026-05-13 - 2026-05-14 |
| 開催地（和） | 富山県民会館 |
| 開催地（英） | |
| テーマ（和） | 卒論・D 論・CV・AI と研究開発の工夫 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2026-05-PRMU-CVIM |
| 本文の言語 | 日本語 |
| タイトル（和） | 意味マスクを用いたマスク形状に忠実な物体生成手法 |
| サブタイトル（和） | |
| タイトル（英） | Object generation method faithful to mask shape using semantic masks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 画像生成 / image generation |
| キーワード(2)（和/英） | インペインティング / inpainting |
| キーワード(3)（和/英） | コントロールネット / ControlNet |
| キーワード(4)（和/英） | 意味マスク / semantic mask |
| キーワード(5)（和/英） | 拡散モデル / diffusion model |
| 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） | 高松 慶 / Kei Takamatsu / タカマツ ケイ |
| 第1著者 所属（和/英） | 青山学院大学 (略称： 青学大) Aoyama Gakuin University (略称： Aoyama Gakuin Univ.) |
| 第2著者 氏名（和/英/ヨミ） | ハオ グオチン / Guoqing Hao / ハオ グオチン |
| 第2著者 所属（和/英） | 青山学院大学 (略称： 青学大) Aoyama Gakuin University (略称： Aoyama Gakuin Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 鷲見 和彦 / Kazuhiko Sumi / スミ カズヒコ |
| 第3著者 所属（和/英） | 青山学院大学 (略称： 青学大) Aoyama Gakuin University (略称： Aoyama Gakuin Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-05-13 14:50:00 |
| 発表時間 | 1分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2026-6 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.16 |
| ページ範囲 | pp.32-37 |
| ページ数 | 6 |
| 発行日 | 2026-05-06 (PRMU) |
[研究会発表申込システムのトップページに戻る]