学術リポジトリarXiv cs.CVは9月17日(現地時間)、画像生成および編集においてオブジェクトの色を24ビットのHEX値で指定可能な新手法「Paint-Anything」に関する論文を公開した。本研究は、大規模言語モデルの進展を応用し、オブジェクトレベルの色監視を通じて共有のHEXプロンプトインターフェースを学習。既存手法が抱える専用の色表現や推論手順への依存といった課題を解決し、性能評価でベースモデルを上回る結果を示した。
プロフェッショナルなデザイン現場では、オブジェクトのターゲットカラーを24ビットのHEX値で指定するany-color control機能が、画像生成と編集の両方で求められている。これまでの研究では、色生成、編集、カラー化といった分野が探求されてきたものの、多くは専用の色表現や特殊な推論手順に依存する傾向があった。
「Paint-Anything」は、大規模言語モデルの進歩を起点に、コンパクトなモデルでもHEX値を色の意味と関連付けられるという知見を活用する。具体的には、オブジェクトレベルの色監視を通じて、生成と編集の両方に対応する共通のHEXプロンプトインターフェースを学習する手法である。このアプローチにより、既存のモデルの微調整が容易になり、幅広い応用が可能となる。
研究チームは、実画像から大規模なデータセット「Paint-500K」を構築するためのデータパイプラインを開発した。このパイプラインは、オブジェクトグラウンディング、知覚的な色ラベリング、および編集ペアの合成を通じて機能する。実画像のラベルが影の影響で近似的な色になりがちな点を補うため、ピクセルが対応するHEX値と厳密に一致する「純色アンカー」を導入。これらのアンカーは高ノイズのタイムステップでのみ使用され、低ノイズのトレーニングは自然画像に委ねられることで、リアリスティックな画像の生成を可能にしている。
さらに、オブジェクトレベルのHEX色忠実度を両タスクで測定するためのベンチマークAny Color Benchmark (ACBench)を導入した。これは「ACBench-T2I」（テキストから画像生成）と「ACBench-Edit」（画像編集）で構成される。評価の結果、オープンソースの基盤モデル「FLUX.2-4B」上において、「Paint-Anything」は「ACBench-T2I」スコアをベースモデル比で85.3%、「ACBench-Edit」スコアを28.3%それぞれ改善した。加えて、比較された手法の中で最も高い平均「CompColor」スコアを達成しており、その優位性を示している。
参考: arXiv cs.CV — 2026年9月18日 02:59 (JST)
原文ハイライト"Paint-Anything: Unified Any-Color Control for Image Generation and Editing"