ChordEdit は CVPR 2026 Oral / Best Student Paper Honorable Mention の論文です。one-step のテキスト誘導画像編集を source prompt と target prompt の間の動的な最適輸送問題として扱い、Chord Control Field によって物体の歪みや背景破壊につながる高エネルギーのドリフトを抑えます。この記事では、公式 demo の source_prompt、target_prompt、seed、sample count、time-window、step-scale を画像編集パラメータとして整理します。
モデル分析 / TelkNet
ChordEdit は CVPR 2026 Oral / Best Student Paper Honorable Mention の論文です。one-step のテキスト誘導画像編集を source prompt と target prompt の間の動的な最適輸送問題として扱い、Chord Control Field によって物体の歪みや背景破壊につながる高エネルギーのドリフトを抑えます。この記事では、公式 demo の source_prompt、target_prompt、seed、sample count、time-window、step-scale を画像編集パラメータとして整理します。
注目点は、単に新しい画像編集 demo ということではありません。one-step 生成編集には、速い一方で崩れやすい弱点があります。SD-Turbo のような高速 T2I バックボーンは素早く合成できますが、training-free 編集を大きな 1 ステップに押し込むと、被写体や背景が一緒にずれることがあります。ChordEdit は低エネルギー輸送でその経路を制約し、目標の意味を入れつつ元画像の構造を残そうとします。
論文の表、公式 demo、製品上の解釈は分けて見る必要があります。数値は benchmark プロトコル上の結果であり、実際の品質はアップロード画像、prompt、seed、モデルの制約に左右されます。