Factorized Diffusion: Perceptual Illusions by Noise Decomposition

Paper from ECCV2024 introduced in 62nd Kanto Computer Vision reading group

Transcript

1. Factorized Diffusion: Perceptual Illusions by Noise Decomposition 発表者: tomoaki_teshima 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 1 tomoaki_teshima tomoaki0705 tomoaki_teshima tomoaki0705
2. Factorized Diffusion: Perceptual Illusions by Noise Decomposition Daniel Geng*, Inbum Park*, Andrew Owens University of Michigan 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 2
3. What’s this paper about? 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 3 https://dangeng.github.io/factorized_diffusion/index.html より引用
4. Outline • Hybrid Imageとは • Factorized Diffusion の解説 • ECCV読み回なのになんでCVPRのTシャツ！？ 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 4
5. What is Hybrid Image? image with an interpretation that changes with viewing distance. 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 5 46: Oliva, A., Torralba, A., Schyns, P.G.: Hybrid images. ACM Trans. Graph. 25(3), 527–532 (Jul 2006)
6. How to create a hybrid image 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 6 46: Oliva, A., Torralba, A., Schyns, P.G.: Hybrid images. ACM Trans. Graph. 25(3), 527–532 (Jul 2006)
7. Limitation of hybrid image [46] 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 7
8. From [46] Creating compelling hybrid images is an open and challenging problem, as it relies on perceptual grouping mechanisms that interact across different spatial scales. • 任意の画像でHybrid Imageを作る場合、補完的な画像が必要と なる • 画像同士の位置合わせも大事 • 補完画像をどう作るかはchallenging/open problem 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 8
9. そこでFactorized Diffusion • Diffusion Model はノイズを更新しながら画像を生成する • Diffusion Model自体は一般的なもの • Hybrid Imageには2枚以上の画像が必要なのに、どう やって複数枚生成するのか？ • Promptが画像枚数分必要になる 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 9
10. 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 10 Decomposition Prompt 1 Prompt 2 Prompt 3 High pass Mid pass Low pass
11. 線型性 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 11 周波数フィルタに限らず、Decompositionに線型性があればよい
12. Decompositionと実例 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 12 Hybrid Decomposition Triple Hybrid Decomposition
13. Results 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 13 https://dangeng.github.io/factorized_diffusion/index.html より引用
14. 任意の画像を用いたHybrid Image 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 14 象の写真が本物、ヒョウの写真が生成された画像 →Hybrid Imageで未解決だった問題に解法が生まれた
15. Limitations While our method can produce decent images fairly consistently, very high quality images are rarer 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 15 トレーニングの分布外の画像を生成しようとしてる場合 1つのpromptが他の成分を圧倒してしまう場合 Promptの少なくとも1つは“flexible”にするとうまくいく傾向 • “Photo”は失敗する傾向 • “Oil paintings”/“watercolor”はうまくいく傾向
16. まとめ(中) • 複数のPromptで画像の生成を行う • その際、ノイズを成分ごとに分解する • ノイズを混ぜたのち、Prompt毎に更新する • Decompose/factorizationの方法により違う効果が生まれる • Hybrid imageはLow/High-passの2種類 • Tri-band Image, color hybrid, motion blur hybrid など複数の方法が使える • それっぽい画像は作れるが、high qualityはまれ。 • Diffusion model自体は一般的なもの • 今回の目的のために学習したわけではない 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 16
17. 時系列 (Why CVPR T-shirt?) • 人間の視覚の特性は長らく研究されてきた • ↑を画像の世界に持ち込んで視覚をハックした Hybrid Image(Oliva et al., SIGGRAPH 2006) • ↑Visual IllusionとDiffusion model (著者ら, CVPR2024) • ↑Diffusion modelを利用した任意の画像に対する Hybrid Image(著者ら, ECCV2024) • CVPR2024の数ヶ月前に、運営側からTシャツの デザインを打診された 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 17
18. Visual Anagrams: Generating Multi-View Optical Illusions with Diffusion Models • CVPR2024での発表 • 同著者らによるだまし絵的な手法 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 18 21: Geng, D., Park, I., Owens, A.: Visual anagrams: Generating multi-view optical illusions with diffusion models. Computer Vision and Pattern Recognition (CVPR) 2024 (2024)
19. まとめ • Noise updateの際に複数のpromptを「混ぜる」方法を紹介 • ECCVの論文は成分ごとに分解して混ぜる • CVPRの論文は並べ替えて混ぜる • Diffusion model 自体は一般的なもの 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 19
20. その他1 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 20 How can a jigsaw have two distinct solutions? https://www.youtube.com/watch?v=b5nElEbbnfU This new type of illusion is really hard to make https://www.youtube.com/watch?v=FMRi6pNAoag 今回の論文を知ったきっかけ 問「出来上がりが2通りある パズルはありうるか？」 左: Steve Mould 今回触れた内容を紹介 右: Matt Parker 2通りの並びを実現する パズルピースの並びを紹介
21. その他2 • We are hiring! • 懇親会で僕と握手！ https://nvidia.wd5.myworkdayjobs.com/en- US/NVIDIAExternalCareerSite/job/Deep-Learning- Software-Engineer--Performance- Optimization_JR1989446 2024/11/16 第62回 コンピュータビジョン勉強会＠関東 ECCV2024読み会 21