RoPEMover

RoPEMover 使用深度感知 RoPE 实现图像中几何一致的对象重定位

研究人员开发了 RoPEMover，一种在保持几何一致性的同时，在单个图像中重定位对象的新颖方法。该方法利用扩散 Transformer 中的深度感知旋转位置嵌入 (RoPE) 来编码 3D 空间结构，从而实现精确的对象位移和场景感知更新。RoPEMover 使用合成数据和有限的真实世界数据进行训练，在保持对象身份、生成合理的新内容以及更新阴影和光照等场景相关效果方面，均展现了最先进的性能。