DiTailed — 텍스트-이미지-투-이미지 흐름 매칭 모델의 시각적 객체 일관성 보장

텍스트 기반 이미지 편집에서 객체의 핵심 속성이 유지되지 않는 문제가 있어 연구진은 이를 해결하기 위해 세 가지 공헌을 제시했고, 첫째로 아티스트가 설계한 3D 자산으로부터 렌더링한 다중 시점 타깃을 포함하는 12,000개 이상의 트리플렛으로 구성된 ABO-Edit 데이터셋을 구축하여 검증 인프라를 제공했다. 둘째로 정류된 흐름 계열 모델에서 컨디셔닝 임베딩이 높은 노이즈 단계에서도 최종 생성 이미지를 예측하는 정보를 암묵적으로 인코딩함을 확인했고, 셋째로 이 특성을 활용해 추가 파라미터 없이 임베딩 공간을 감독하는 FlowMirror 보조 손실을 도입하여 여러 평가 지표에서 기존 기준선보다 생성 품질과 객체 일관성을 개선했다. 제안한 접근은 아키텍처 수정을 요구하지 않아 기존 흐름 기반 편집 파이프라인에 손쉽게 적용될 수 있으나 특정 편집 유형과 데이터 분포에 따른 일반화 성능과 메트릭별 민감도에 대한 추가 검증이 필요하다.