GuidedStyle: Attribute Knowledge Guided Style Manipulation for Semantic Face Editing
Shenzhen University(深圳大学)
虽然无条件生成对抗网络(GANs)在合成高质量和视觉逼真的人脸图像方面取得了重大进展,但仍然缺乏对生成过程的控制,以实现语义人脸编辑。此外,在编辑目标属性时保持其他人脸信息不变仍然是非常具有挑战性的。在本文中,我们提出了一个新的学习框架,称为GuidedStyle,通过用知识网络指导图像生成过程,在StyleGAN上实现语义人脸编辑。此外,我们允许在StyleGAN生成器中的注意力机制自适应地选择单个层进行样式操作。因此,我们的方法能够沿着各种属性执行分离和可控的编辑,包括微笑,眼镜,性别,胡子和头发颜色。定性和定量的结果表明,我们的方法优于其他竞争方法的语义人脸编辑。此外,我们表明,我们的模型也可以应用于不同类型的真实和艺术的人脸编辑,表现出很强的泛化能力。
2020-12-22 cs.CV
ArtChart: Faithful Artistic Chart Generation with Integrated Text Rendering
Ant Group(蚂蚁集团)
研究旨在解决艺术图表生成难题,提出ArtChart框架,含特定即插即用模块及强化学习等策略,构建基准测试和评估套件,实验证明该框架能生成兼具美观与数学准确性的图表,优于开源基线。
2026-08-06 cs.CV
Hyper-parameter tuning for text guided image editing
本文介绍文本引导图像编辑方法 Forgedit 的编辑流程,并给出高效调优超参数以获得理想编辑结果的方案。
2024-07-31 cs.CV
EffiVED:Efficient Video Editing via Text-instruction Diffusion Models
Alibaba Group(阿里巴巴集团)
本文提出基于扩散模型的高效视频编辑模型EffiVED,通过两种工作流收集数据构建高质量训练集,实现无需逐视频微调的指令引导视频编辑,在保证高质量的同时实现快速执行。
2024-06-05 cs.CV
Dr.3D: Adapting 3D GANs to Artistic Drawings
POSTECH(浦项科技大学);Pebblous
虽然3D GANs最近已经展示了多视图一致图像和3D形状的高质量合成,但它们主要限于照片般逼真的人体肖像。本文旨在将3D GANs扩展到一种不同但有意义的视觉形式:艺术肖像画。然而,将现有的3D GANs扩展到绘图是具有挑战性的,因为绘图中存在不可避免的几何模糊性。为了解决这个问题,我们提出了Dr.3D,一种新的适应方法,使现有的3D GAN适应艺术绘画。Dr.3D配备了三个新组件来处理几何模糊性:变形感知3D合成网络,姿势估计和图像合成的交替适应,以及几何先验。实验表明,我们的方法可以成功地适应三维GANs的图纸,并实现多视图一致的语义编辑的图纸。
2022-11-30 cs.CV cs.LG
WordCraft: Interactive Artistic Typography with Attention Awareness and Noise Blending
Jiangxi University of Finance and Economics(江西财经大学);Tencent Robotics X Lab(腾讯机器人X实验室);Nanyang Technological University(南洋理工大学);Monash University(墨尔本大学);Hong Kong University(香港大学)
本文提出交互式艺术字体系统WordCraft,通过免训练区域注意力机制、噪声混合技术及大语言模型解析提示词,支持局部编辑、迭代细化与多字符组合,显著提升了艺术字体合成的交互性与创作灵活性。
2025-07-13 cs.CV
SPICE: A Synergistic, Precise, Iterative, and Customizable Image Editing Workflow
University of California, Santa Barbara(加州大学圣芭芭拉分校)
SPICE是一种无需训练的协同工作流,结合扩散模型与Canny边缘ControlNet,支持任意分辨率、准确遵循指令,并在百步编辑中持续提升质量,优于现有基线。
2025-10-16 cs.CV cs.GR cs.LG
Multi-turn Consistent Image Editing
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所)
本文提出一种多轮图像编辑框架,结合流匹配反演、双目标LQR稳定采样和自适应注意力突出方法,以迭代细化方式提升编辑成功率、视觉保真度与多轮一致性。
2025-05-07 cs.CV
From Video Clips to Creation Trajectory: Sora100K for AI-Native Video Creation
Chongqing University of Posts and Telecommunications(重庆邮电大学);Great Bay University(大湾区大学)
本文提出面向AI原生视频创作的Sora100K数据集,将创作工作流表示为结构化轨迹,经标注与质量控制后适配LTX-2模型,可提升视频生成相关性能,为该领域提供新数据基础。
2026-10-09 cs.CV
WAS: Dataset and Methods for Artistic Text Segmentation
Huazhong University of Science and Technology(华中科技大学);Adobe(奥多比公司)
本文针对艺术文本分割任务构建真实数据集,提出逐层动量查询解码器、骨架辅助头及基于多模态与扩散模型的数据合成策略,显著提升分割性能并在多个公开数据集上达到最优。
2024-07-31 cs.AI cs.CV
ESA: Energy-Based Shot Assembly Optimization for Automatic Video Editing
Sobey Media Intelligence Laboratory(索贝媒体智能实验室);University of Electronic Science and Technology of China(电子科学与技术大学);SiChuan University(四川大学);Qinghai Normal University(青海师范大学)
针对智能视频编辑技术难以捕捉创作者艺术表达的问题,提出基于能量的镜头组合优化方法ESA,通过脚本与视频库的视觉语义匹配获取候选镜头,结合参考视频属性学习与语法规则优化序列,助力用户自动生成符合风格的视频。
2025-11-05 cs.AI cs.CV
Streamlining Image Editing with Layered Diffusion Brushes
University of British Columbia(不列颠哥伦比亚大学)
提出无训练的分层扩散画笔(LDB)框架,通过独立参数集和中间潜变量缓存实现快速、非破坏性的交互式图层编辑,在速度和质量上优于现有方法。
2025-10-12 cs.CV
SkyReels-Text: Fine-Grained Font-Controllable Text Editing for Poster Design
Skywork AI
本文提出SkyReels-Text,一种可精细控制字体的文本编辑框架,支持多区域文本同时编辑,保留非编辑区域的视觉效果,无需字体标签或测试时微调,实现高质量字体控制。
2026-04-29 cs.CV
ACE: Anti-Editing Concept Erasure in Text-to-Image Models
Harbin Institute of Technology(哈尔滨工业大学);Huawei Noah’s Ark Lab(华为诺亚方舟实验室);Pazhou Lab (Huangpu)(琶洲实验室(黄埔))
本文提出ACE方法,通过在条件与无条件噪声预测中注入擦除引导并引入随机校正引导,同时解决文本到图像模型在生成和编辑阶段的概念擦除问题,实验证明其在IP角色、显式概念和艺术风格擦除上优于现有方法。
2025-01-03 cs.CV
VEBench:Benchmarking Large Multimodal Models for Real-World Video Editing
ByteDance Intelligent Creation(字节跳动智能创作);CRCV, University of Central Florida(中央佛罗里达大学CRCV)
VEBench通过高质量视频和人工验证问题对多模态大模型在视频编辑中的知识理解和操作推理能力进行评估,揭示当前模型与人类水平间的显著差距。
2026-05-08 cs.CV
Agent Banana: High-Fidelity Image Editing with Agentic Thinking and Tooling
TAMU(德克萨斯大学);Brown University(布朗大学);UW-Madison(威斯康星大学麦迪逊分校);UCSD(加州大学圣地亚哥分校);USC(南加州大学);xAI(xAI公司);Adobe Research(Adobe研究院);Meta AI;Princeton University(普林斯顿大学)
Agent Banana通过分层代理规划-执行框架实现高质量图像编辑,解决多轮次编辑一致性与背景忠实度问题,同时保持指令遵循能力。
2026-02-21 cs.CV
UniAIDet: A Unified and Universal Benchmark for AI-Generated Image Content Detection and Localization
Wangxuan Institute of Computer Technology(计算机技术研究所)
针对现有AI生成图像检测基准覆盖不足的问题,提出统一基准UniAIDet,涵盖多种生成模型和图像类型,评估检测方法并探讨泛化能力与检测定位关系。
2025-10-27 cs.CL cs.CV
Crayotter: Traceable Multi-Agent Workflows for Long-Form Video Editing
University of Science and Technology of China(中国科学技术大学)
提出Crayotter,一个开源多模态多智能体系统,通过三阶段工作流(材料准备、基于工件的编辑研究、工具驱动的执行)实现长视频编辑的可追踪性和选择性修订,在人类评估中优于基线方法。
2026-07-20 cs.CL cs.CV cs.MA
Position: Universal Aesthetic Alignment Narrows Artistic Expression
Department of CMPS, University of British Columbia, Kelowna, Canada(计算机科学与工程系,不列颠哥伦比亚大学,加拿大克洛维纳)
本文探讨了将图像生成模型过度对齐通用审美偏好与用户意图冲突的问题,指出生成模型倾向于产生传统美观输出,忽视用户对低质量或负面图像的指令。
2026-05-12 cs.AI cs.CV cs.CY
Fast Universal Style Transfer for Artistic and Photorealistic Rendering
Peking University(北京大学);Baidu Research(百度研究院);University of Rochester(罗切斯特大学)
通用样式转换是一种图像编辑任务,其使用任意参考图像的视觉样式来渲染输入内容图像,包括艺术风格化和照片真实感风格化两者。给定一对图像作为内容的来源和风格的参考,现有的解决方案通常首先训练自动编码器(AE)以使用深度特征重建图像,然后将预定义的风格转换模块嵌入到AE重建过程中以通过修改深度特征来转换重建图像的风格。虽然现有的方法通常需要多轮耗时的AE重建以获得更好的风格化,但我们的工作旨在在AE之上设计新颖的神经网络架构,以实现快速的风格传输,并且在一次端到端推理中具有更少的伪影和失真。为此,我们提出了两个网络架构名为ArtNet和PhotoNet,以提高艺术和照片逼真的风格化,分别。大量的实验表明,ArtNet生成的图像与最先进的艺术传输算法相比具有更少的伪影和失真,而PhotoNet通过创建清晰的图像来改善真实感风格化结果,忠实地保留输入内容的丰富细节。此外,ArtNet和PhotoNet可以在最先进的算法上实现3倍到100倍的加速,这对于大内容图像来说是一个主要优势。
2019-07-06 cs.CV cs.GR eess.IV
NeAT: Neural Artistic Tracing for Beautiful Style Transfer
University of Surrey(萨里大学);Adobe Research(Adobe研究院)
本文提出NeAT,将前馈风格迁移重新定义为图像编辑任务,通过修复“风格光晕”伪影并引入400万图像的BBST-4M数据集,在内容保留、风格匹配、泛化能力和高分辨率快速推理上达到最先进水平。
2023-04-11 cs.CV cs.LG
Make Me Happier: Evoking Emotions Through Image Diffusion Models
Nanyang Technological University, Singapore(南洋理工大学,新加坡);The University of Auckland, New Zealand(奥克兰大学,新西兰);RIKEN AIP, Tokyo, Japan(日本东京理化学研究所AIP)
本文提出一种基于扩散模型的情感图像编辑方法,通过构建34万对图像-情感标注数据集和新评估指标,在保留原图语义结构的同时唤起目标情感,实验表现优于所有基线。
2025-07-22 cs.CV
Loomis Painter: Learning Painting Processes by Reversing Image-to-Video Generation
University of Trento(特伦托大学);University of Pisa(比萨大学)
Loomis Painter通过统一框架和语义驱动的风格控制机制,实现多媒体绘画过程的复原,提升跨媒体一致性与生成流畅性。
2026-10-22 cs.CV
CoVEBench: Can Video Editing Models Handle Complex Instructions?
Nanjing University(南京大学);Kuaishou Technology(快手科技)
提出CoVEBench基准,包含416个源视频和626条多点编辑指令,通过MLLM评估指令遵循度和保真度,揭示当前模型在组合编辑中常遗漏编辑或破坏保留约束。
2026-06-11 cs.AI cs.CV
Beyond Realism: Learning the Art of Expressive Composition with StickerNet
Picsart AI Research(Picsart人工智能研究);Picsart Inc(Picsart公司);College of Computing(计算学院);Georgia Institute of Technology(佐治亚理工学院)
StickerNet通过学习真实世界编辑模式,实现了表现性图像合成,超越传统真实感追求,提升艺术性和用户意图的表达。
2025-11-26 cs.CV
Prompt Sliders for Fine-Grained Control, Editing and Erasing of Concepts in Diffusion Models
University of California, San Diego(加利福尼亚大学圣迭戈分校)
针对扩散模型中概念控制依赖LoRA导致推理慢且跨模型泛化差的问题,提出Prompt Sliders方法,通过文本嵌入学习概念,实现细粒度控制、编辑与擦除,速度提升30%且存储仅需3KB。
2024-09-25 cs.CV
In the Blink of an Eye: Instant Game Map Editing using a Generative-AI Smart Brush
Wargaming(WG游戏公司);Johannes Kepler University Linz(约翰开普勒林茨大学)
针对3A游戏地图高分辨率纹理编辑难题,提出基于GAN和扩散模型的智能画笔,实现上下文感知的即时地图修改,兼顾自动化与艺术控制,且GAN变体输出更清晰。
2025-03-26 cs.CV
ExpressEdit: Fast Editing of Stylized Facial Expressions with Diffusion Models in Photoshop
University of California, Santa Barbara(加州大学圣塔芭芭拉分校)
ExpressEdit通过开放源代码的Photoshop插件,实现快速且无伪影的风格化面部表情编辑,结合Liquify等原生功能,提升编辑效率与艺术创作灵活性。
2026-04-03 cs.AI cs.CV cs.HC
InstructVEdit: A Holistic Approach for Instructional Video Editing
Xidian University(西安电子科技大学);Meituan Inc.(美团公司);University of Sydney(悉尼大学);Wuhan University(武汉大学)
针对指令式视频编辑面临的高质量训练数据稀缺、缺乏整体性框架的问题,提出全周期方法InstructVEdit,通过构建数据集工作流、改进模型架构、迭代优化策略,实现了该任务的当前最优性能,适配多样真实场景。
2025-03-22 cs.CV
EditCast3D: Single-Frame-Guided 3D Editing with Video Propagation and View Selection
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);Michigan State University(密歇根州立大学)
EditCast3D提出利用视频生成模型从单帧传播编辑至整个数据集,并通过视角选择策略确保一致性,实现高效高质量的三维编辑,减少对昂贵图像编辑的依赖。
2025-10-11 cs.CV
Generative Visual Manipulation on the Natural Image Manifold
University of California, Berkeley(加州大学伯克利分校);Adobe Research(奥多比研究院)
逼真的图像操作是具有挑战性的,因为它需要以用户控制的方式修改图像外观,同时保持结果的真实感。除非用户具有相当的艺术技巧,否则在编辑时很容易“脱落”自然图像的流形。在本文中,我们提出使用生成对抗神经网络直接从数据中学习自然图像流形。然后,我们定义了一类图像编辑操作,并将其输出约束为始终位于学习的流形上。模型会自动调整输出,使所有编辑尽可能逼真。我们所有的操作都表示在约束优化方面,并应用于近实时的。我们评估我们的算法的任务,现实的照片处理的形状和颜色。所提出的方法还可以用于改变一个图像以看起来像另一个,以及基于用户的涂鸦从头开始生成新颖的图像。
2018-12-16 cs.CV
AutoCut: End-to-end advertisement video editing based on multimodal discretization and controllable generation
Tsinghua University(清华大学);Kuaishou Technology(快手科技)
本文提出AutoCut框架,通过多模态离散化和可控生成实现广告视频编辑,提升一致性和可控性,降低生产成本和迭代时间。
2026-03-30 cs.CV
Addressing Text Embedding Leakage in Diffusion-based Image Editing
Graduate School of AI, POSTECH(POSTECH人工智能研究生院);Dept. of CSE, POSTECH(POSTECH计算机科学与工程系)
针对基于扩散模型的文本图像编辑中属性泄漏问题,提出ALE框架,通过ORE解耦文本嵌入、RGB-CAM实现精确注意力及BB保留背景,结合ALE-Bench基准,大幅减少泄漏并实现准确多对象编辑。
2025-08-25 cs.CV
LimeCross: Context-Conditioned Layered Image Editing with Structural Consistency
RPTU Kaiserslautern-Landau \& DFKI GmbH, Kaiserslautern, Germany Faculty of Science;Engineering, Hosei University, Tokyo, Japan EQUES, Tokyo, Japan
LimeCross通过上下文条件分层图像编辑框架,实现基于文本的可控编辑,保持结构一致性,提升图像合成的真实性和透明度稳定性。
2026-05-11 cs.CV
StageDesigner: Artistic Stage Generation for Scenography via Theater Scripts
Fudan University(复旦大学);Shanghai University(上海大学);Shanghai Theatre Academy(上海戏剧学院)
本文提出 StageDesigner 框架,结合大语言模型与布局控制的扩散模型,通过剧本分析、前景与背景生成三个模块实现沉浸式 3D 艺术舞台场景生成,并构建 StagePro-V1 数据集验证其有效性。
2025-03-04 cs.AI cs.CV
TeleStyle V2: Beyond Content-Preserving Style Transfer with Self-Distillation and Distribution-Matching-Distillation
TeleAI
提出TeleStyle V2,通过自蒸馏数据合成和分布匹配蒸馏,支持四种内容-风格参考组合,解决内容一致性退化问题,性能与Qwen-Image-Edit和Gemini 3 Pro相当。
2026-06-23 cs.CV
EDITBRIDGE: Towards Faithful and Efficient Ultra-High-Resolution Image Editing
School of Artificial Intelligence, Shanghai Jiao Tong University(上海交通大学人工智能学院);Qwen Business Unit of Alibaba(阿里巴巴通义千问业务部);National University of Singapore(新加坡国立大学)
针对现有扩散图像编辑模型无法高效处理超高清图像的问题,提出EditBridge扩散桥框架,通过先验引导的块级稀疏注意力机制实现4K高保真编辑,速度提升显著。
2026-08-19 cs.CV
PSDesigner: Automated Graphic Design with a Human-Like Creative Workflow
Institute of Big Data, College of Computer Science and Artificial Intelligence, Fudan University(复旦大学计算机科学与技术学院大数据研究所);Generative AI Lab, College of Computing and Data Science, Nanyang Technological University(南洋理工大学计算与数据科学学院生成式人工智能实验室)
PSDesigner通过模拟人类设计师的创意流程,实现了自动化图形设计,通过设计数据集CreativePSD提升工具使用能力,在多种设计任务中优于现有方法,使非专业人士能轻松创建高质量设计。
2026-03-26 cs.CV
Third Time's the Charm? Image and Video Editing with StyleGAN3
Hebrew University of Jerusalem(耶路撒冷希伯来大学);Adobe Research(Adobe研究院);Tel-Aviv University(特拉维夫大学)
StyleGAN可以说是最有趣和研究最充分的生成模型之一,在图像生成,反转和操作方面表现出令人印象深刻的性能。在这项工作中,我们探索了最近的StyleGAN 3架构,将其与其前身进行了比较,并研究了其独特的优势以及缺点。特别是,我们证明了虽然StyleGAN 3可以在未对齐的数据上进行训练,但仍然可以使用对齐的数据进行训练,而不会妨碍生成未对齐图像的能力。接下来,我们对StyleGAN 3不同潜在空间的解纠缠的分析表明,常用的W/W+空间比StyleGAN 2的对应空间更纠缠,强调了使用StyleSpace进行细粒度编辑的好处。考虑到图像反转,我们观察到现有的基于编码器的技术在对未对齐的数据进行训练时会遇到困难。因此,我们提出了一种编码方案,只训练对齐的数据,但仍然可以反转未对齐的图像。最后,我们介绍了一种新的视频反转和编辑工作流程,该工作流程利用了微调的StyleGAN 3生成器的功能,以减少纹理粘连并扩大编辑视频的视野。
2022-01-31 cs.CV
Inharmonious Region Localization
Shanghai Jiao Tong University(上海交通大学)
图像编辑技术的进步使用户能够创作艺术作品,但操纵的区域可能与背景不兼容。将不和谐的地区本地化是一项既有吸引力又有挑战性的任务。考虑到该任务需要有效地聚合多尺度上下文信息并抑制冗余信息,本文设计了双向特征融合(BFI)模块和全局上下文引导解码(GGD)模块,分别在编码器和解码器中融合多尺度特征。在编码器和解码器之间采用掩码引导的双注意(MDA)块来抑制冗余信息。在图像协调数据集上的实验表明,该方法在不协调区域定位方面具有较好的性能。源代码可在https://github.com/bcmi/DIRL上获得。
2021-04-19 cs.CV
ConceptPrune: Concept Editing in Diffusion Models via Skilled Neuron Pruning
University of Edinburgh(爱丁堡大学);Samsung AI Research Centre, Cambridge(三星剑桥人工智能研究中心)
本文提出免训练方法ConceptPrune,通过识别并剪枝扩散模型中负责生成不良概念的关键神经元区域实现概念遗忘,仅需剪枝约0.12%权重即可高效擦除多概念并抵御对抗性攻击。
2024-05-29 cs.AI cs.CV cs.LG
Mi-Ripple: Restoring Images Degraded by Iterative AI Editing
Miyang Technology (Shanghai) Co., Ltd.(米扬科技(上海)有限公司);Key Laboratory of System Software (Chinese Academy of Sciences)(中国科学院系统软件重点实验室);Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所);University of Chinese Academy of Sciences(中国科学院大学);Shanghai Jiao Tong University(上海交通大学);Tianjin University(天津大学)
Mi-Ripple通过分离周期性伪影与颗粒纹理,结合频谱陷波、结构感知平滑和清洁参考再生,在保护结构的同时有效抑制迭代AI编辑引入的数字波纹,实现低失真恢复。
2026-09-11 cs.CV
Iterative Multi-granular Image Editing using Diffusion Models
Adobe Research(Adobe研究院)
本文提出EMILIE迭代多粒度图像编辑器,通过潜在迭代策略和梯度控制操作,使扩散模型支持从局部到全局的迭代编辑,并构建新基准数据集验证其效果。
2023-10-28 cs.AI cs.CV cs.LG
Geometry-Instructed Video Editing
The University of Hong Kong(香港大学);Kuaishou Technology(快手科技)
提出GIVE框架,通过深度框和方向框统一描述对象状态变化,实现物体级几何编辑(平移、旋转、缩放等),并保持阴影等二次效果一致,在合成和真实视频上展现良好效果。
2026-06-24 cs.CV
SemanticSlider3D: Training-Free Continuous Semantic Editing for 3D Objects
University of Wisconsin–Madison(威斯康星大学麦迪逊分校);Purdue University(普渡大学);Fujitsu Research of America(富士通美国研究所)
SemanticSlider3D是一种无需训练的3D物体连续语义编辑技术,通过在先进3D生成模型潜空间构建语义编辑方向,在技术验证与用户研究中均表现优于基线方法,可作为现有3D创作工作流的有效补充。
2026-09-01 cs.CV cs.HC
Navigating the Open-Source Model Ecosystem: An Empirical Study of Creator Practices in Artistic Image Generation
The Hong Kong University of Science and Technology (Guangzhou)(香港科学与技术大学(广州))
本文针对开源图像生成生态系统中创作者模型使用行为展开实证研究,构建含600万张图像及生成元数据的数据集,关联基础模型与LoRA模型使用情况,揭示其优劣势,公开数据集,为创作者和研究人员提供参考。
2026-07-14 cs.CV cs.CY cs.HC
CURE: Concept Unlearning via Orthogonal Representation Editing in Diffusion Models
Purdue University(普渡大学)
本文提出CURE,一个无需训练的扩散模型概念遗忘框架,通过闭式正交投影模块Spectral Eraser在权重空间中识别并隔离不良概念特征,实现快速、彻底且对无关能力损害极小的内容移除,并增强对红队攻击的鲁棒性。
2025-10-11 cs.CV
Learn Once, Edit Anywhere: Visual Direction Transfer for Diffusion Models
Virginia Tech(弗吉尼亚理工大学)
提出ViDiT框架,通过从图像编辑对中学习连续编辑方向,实现无需微调的零样本图像属性编辑,在保持输入保真度的同时实现精确、可扩展的属性控制。
2026-07-02 cs.CV
Shape-for-Motion: Precise and Consistent Video Editing with 3D Proxy
City University of Hong Kong(香港城市大学);Tencent(腾讯)
提出Shape-for-Motion框架,利用3D代理将视频目标转为时间一致网格,通过双传播策略实现精确一致的视频编辑,支持姿态、旋转、缩放等多种操作。
2025-09-26 cs.CV
LazyDrag: Enabling Stable Drag-Based Editing on Multi-Modal Diffusion Transformers via Explicit Correspondence
The Hong Kong University of Science and Technology(香港科技大学);StepFun;The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
LazyDrag通过显式对应关系实现多模态扩散变换器的稳定拖拽编辑,消除了隐式点匹配依赖,提升生成能力与精确控制。
2026-02-03 cs.CV
Mitigating Content Shift and Hallucination in GenAI Image Editing via Structural Refinement
Department of Electrical Engineering & Computer Science(电气工程与计算机科学系)
提出一种后处理框架,通过建立粗空间和光度对应关系并融合输入图像与GenAI增强图像,在保留感知增强的同时抑制幻觉内容,从而解决黑盒GenAI图像编辑中的结构保持问题。
2026-06-11 cs.CV
PosterOmni: Generalized Artistic Poster Creation via Task Distillation and Unified Reward Feedback
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Meituan(美团)
PosterOmni通过任务蒸馏和统一奖励反馈实现通用艺术海报生成,提升图像到海报生成的参考一致性、全局构图质量和审美和谐。
2026-02-12 cs.CV
Workflow-Aware Structured Layer Decomposition for Illustration Production
Japan Advanced Institute of Science and Technology(日本科学技术先进研究院);Live2D Inc.(Live2D公司);Waseda University(早稻田大学)
本文提出一种面向流程的结构化分层分解框架,用于动漫插图生产,通过分解线稿、平面色、阴影和高光等生产层,提升插图的可控性和生成质量。
2026-03-18 cs.CV cs.GR
PromptArtisan: Multi-instruction Image Editing in Single Pass with Complete Attention Control
Samsung Research India(三星印度研究院)
该研究提出PromptArtisan方法,通过完整注意力控制机制(CACM)结合InstructPix2Pix模型,实现单步多指令图像编辑,支持掩码交集/重叠的复杂变换,零样本且效率优于迭代方法,提升编辑灵活性与精准度。
2025-02-14 cs.CV cs.HC