研究人员开发了用于精确区域图像编辑的新框架,解决了局部编辑和与现有内容集成方面的挑战。MaskFlow使用一种将掩码纳入其概率路径和流匹配目标的训练框架,以确保准确的编辑和背景保留。SI-Edit专注于草图-指令引导编辑,引入了一个新数据集(SI-Data)和一个结合语义指令和几何约束以实现像素级精度的框架。BRIDGE通过分离背景和前景生成路径,并引入离散几何门控来更好地控制令牌级位置嵌入,从而解决粗粒度掩码局部编辑问题,提高对齐和源保留能力。 AI
影响 区域图像编辑的这些进步可能带来更复杂的创意工具,并提高图像处理软件中的用户控制能力。
排序理由 多篇研究论文介绍了图像编辑的新方法和数据集。
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- MaskFlow
- ScienceCast
- Soft-Poisson
- BRIDGE
- Qwen-Image
- SI-Data
- SI-Edit
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →