FlexEdit：灵活且可控的基于扩散的以对象为中心的图像编辑
FlexEdit: Flexible and Controllable Diffusion-based Object-centric Image Editing
AI总结：
针对以对象为中心的图像编辑中形状差异和控制受限问题，提出FlexEdit框架，通过在每个去噪步骤迭代调整潜变量并使用自适应掩码保护背景，实现了灵活可控的对象替换与插入，并在多种场景下表现优越。
摘要：
我们的工作解决了先前以对象为中心的编辑方法中存在的局限性，例如由于形状差异导致的不真实结果，以及在对象替换或插入时控制能力有限的问题。为此，我们提出了FlexEdit，一个灵活且可控的对象编辑框架，我们在每个去噪步骤中使用我们的FlexEdit块迭代地调整潜变量。最初，我们在测试时优化潜变量，以使其符合指定的对象约束。然后，我们的框架采用在去噪过程中自动提取的自适应掩码，在保护背景的同时将新内容无缝融合到目标图像中。我们展示了FlexEdit在各种对象编辑任务中的多功能性，并策划了一个评估测试套件，其中包含来自真实和合成图像的样本，以及专为以对象为中心的编辑设计的新颖评估指标。我们在不同的编辑场景下进行了广泛实验，证明了我们的编辑框架相对于近期先进的文本引导图像编辑方法的优越性。我们的项目页面已发布于https://flex-edit.github.io/。
英文摘要：
Our work addresses limitations seen in previous approaches for object-centric editing problems, such as unrealistic results due to shape discrepancies and limited control in object replacement or insertion. To this end, we introduce FlexEdit, a flexible and controllable editing framework for objects where we iteratively adjust latents at each denoising step using our FlexEdit block. Initially, we optimize latents at test time to align with specified object constraints. Then, our framework employs an adaptive mask, automatically extracted during denoising, to protect the background while seamlessly blending new content into the target image. We demonstrate the versatility of FlexEdit in various object editing tasks and curate an evaluation test suite with samples from both real and synthetic images, along with novel evaluation metrics designed for object-centric editing. We conduct extensive experiments on different editing scenarios, demonstrating the superiority of our editing framework over recent advanced text-guided image editing methods. Our project page is published at https://flex-edit.github.io/.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
