Drag as Evidence: Motion-Grounded Latent Recomposition for Drag-Based Editing
Southeast University(东南大学);Purple Mountain Laboratories(紫金山实验室);Singapore Management University(新加坡管理大学)
MoRe-Drag通过将像素扭曲作为运动证据注入潜在重组,实现高精度拖拽编辑,在DragBench基准上优于现有方法。
2026-11-04 cs.CV
Drag Your Noise: Interactive Point-based Editing via Diffusion Semantic Propagation
Singapore Management University(新加坡管理大学);South China Normal University(华南师范大学)
本文提出 DragNoise,利用 U-Net 预测噪声作为语义编辑器,在单步去噪中实现基于点的交互式编辑,相比 DragDiffusion 优化时间减少 50% 以上且语义保留更优。
2024-04-01 cs.CV cs.GR cs.HC
InstructUDrag: Joint Text Instructions and Object Dragging for Interactive Image Editing
提出InstructUDrag扩散框架,结合文本指令与对象拖拽,通过双分支协同实现精确对象移动与语义编辑,实验证明其高保真与灵活性。
2025-10-09 cs.CV
CLIPDrag: Combining Text-based and Drag-based Instructions for Image Editing
The Hong Kong University of Science and Technology(香港科技大学)
CLIPDrag首次结合文本与拖拽指令,通过全局-局部运动监督和快速点跟踪,实现扩散模型上的精确无歧义图像编辑,性能优于单一方法。
2025-02-26 cs.AI cs.CV
RegionDrag: Fast Region-Based Image Editing with Diffusion Models
The University of Hong Kong(香港大学);University of Oxford(牛津大学)
针对点拖拽图像编辑方法计算开销大且易误解用户意图的问题,提出基于区域的复制粘贴拖拽方法RegionDrag,通过区域指令实现更精确控制,结合注意力交换技术提升稳定性,在512x512分辨率下编辑速度比DragDiffusion快100倍以上且性能更优。
2024-07-25 cs.CV
DragLoRA: Online Optimization of LoRA Adapters for Drag-based Image Editing in Diffusion Model
Siwei Xia;Li Sun;Tiantian Sun;Qingli Li
针对传统拖拽式图像编辑精度低、效率差的问题,提出集成LoRA适配器的DragLoRA框架,通过去噪分数蒸馏损失和自适应优化方案,显著提升编辑的控制精度与计算效率。
2025-05-20 cs.CV
ThinkDrag: Semantic Drag-Based Image Editing with Visual Reasoning
S-Lab, Nanyang Technological University(南洋理工大学S-Lab)
ThinkDrag是具备视觉推理能力的多模态图像编辑框架,通过关联点约束与语义变换、生成推理轨迹提升编辑效果,在DragBench++基准上实现了最先进性能。
2026-10-12 cs.CV
MvDrag3D: Drag-based Creative 3D Editing via Multi-view Generation-Reconstruction Priors
Nanyang Technological University(南洋理工大学)
MVDrag3D提出利用多视图扩散生成先验与重建模型实现灵活一致的3D拖拽编辑,并通过视图特定变形网络和多视图评分函数解决视图错位问题,提升编辑质量与多样性。
2024-10-21 cs.CV
InstantDrag: Improving Interactivity in Drag-based Image Editing
Seoul National University(首尔大学);POSTECH(浦项科技大学)
本文提出无需优化的 InstantDrag 流程,仅用图像和拖拽指令,通过 FlowGen 与 FlowDiffusion 分解运动及图像生成,实现快速、照片级真实且无需 mask 或文本提示的交互式拖拽编辑。
2024-11-30 cs.CV
DragNeXt: Rethinking Drag-Based Image Editing
DragNeXt通过重新定义拖动为变形、旋转和翻译,提出简单有效的编辑框架,提升图像编辑质量。
2026-01-25 cs.CV
Dragging with Geometry: From Pixels to Geometry-Guided Image Editing
Southeast University(东南大学);Purple Mountain Laboratories(紫金山实验室);Singapore Management University(新加坡国立大学)
GeoDrag通过整合3D几何线索和统一位移场,实现了高精度、结构一致的拖拽图像编辑,解决了多点拖拽冲突和几何引导不连续性问题。
2026-02-20 cs.CV
DragFlow: Unleashing DiT Priors with Region Based Supervision for Drag Editing
Nanyang Technological University(南洋理工大学);National University of Singapore(国立新加坡大学)
DragFlow通过基于区域的监督利用FLUX先验,改进基于拖拽的图像编辑效果,实现对点式和区域式基线的超越。
2026-03-01 cs.AI cs.CV cs.LG
DragTex: Generative Point-Based Texture Editing on 3D Mesh
Beijing Institute of Technology(北京理工大学)
本文提出 DragTex,通过扩散模型融合多视角局部纹理、微调解码器减少非拖拽区域误差,并利用多视角图像训练 LoRA,实现直观且局部一致的 3D 网格纹理拖拽编辑。
2024-03-04 cs.CV
GoodDrag: Towards Good Practices for Drag Editing with Diffusion Models
McMaster University(麦克马斯特大学);Xi’an Jiaotong University(西安交通大学)
针对扩散模型拖拽编辑中的累积扰动与失真问题,提出 GoodDrag,通过 AlDD 交替拖拽去噪和信息保持运动监督提升保真度,并构建 Drag100 及两项多模态评测指标。
2024-04-10 cs.AI cs.CV cs.GR
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
DynaDrag: Dynamic Drag-Style Image Editing by Motion Prediction
Shanghai Jiao Tong University(上海交通大学)
DynaDrag通过运动预测和动态调整手柄点,实现了更高效的拖拽式图像编辑方法,优于现有技术。
2026-01-02 cs.CV
TDEdit: A Unified Diffusion Framework for Text-Drag Guided Image Manipulation
Hefei University of Technology(合肥工业大学)
本文提出统一扩散框架TDEdit,通过点云确定性拖拽和拖拽-文本引导去噪融合文本与拖拽编辑优势,实现高保真且灵活可控的图像编辑。
2025-09-26 cs.CV
DragonDiffusion: Enabling Drag-style Manipulation on Diffusion Models
Cranberry-Lemon University(蔓越莓柠檬大学);University of the Witwatersrand(威特沃特斯兰德大学)
提出 DragonDiffusion 方法,通过特征对应构建分类器引导和多尺度引导,并引入跨分支自注意力,在无需微调的扩散模型上实现拖拽式图像编辑。
2023-11-20 cs.CV
AdaptiveDrag: Semantic-Driven Dragging on Diffusion-Based Image Editing
Institute for Intelligent Computing, Alibaba Group(阿里巴巴集团智能计算研究所)
针对现有基于点的扩散图像编辑语义利用不足的问题,提出无掩码的 AdaptiveDrag,通过超像素自动掩码、语义驱动自适应优化和对应损失提升多领域拖拽编辑质量。
2024-12-02 cs.CV
ContextDrag: Precise Drag-Based Image Editing via Context-Preserving Token Injection and Position-Aligned Attention
School of Electronic and Information Engineering, South China University of Technology(华南理工大学电子与信息学院);KlingAI Research, Kuaishou Technology(快手科技KlingAI研究);The University of Hong Kong(香港大学);Shenzhen Loop Area Institute(深圳河套学院)
本文提出ContextDrag,首个将拖动式操作引入上下文图像编辑的框架,通过上下文保留的标记注入和位置对齐注意力实现精确拖动编辑,提升编辑精度与质量。
2026-04-04 cs.AI cs.CV
DragDiffusion: Harnessing Diffusion Models for Interactive Point-based Image Editing
National University of Singapore(新加坡国立大学);ByteDance Inc.(字节跳动公司)
本文提出 DragDiffusion,将基于点的交互式编辑扩展到大规模预训练扩散模型,通过优化扩散潜变量并结合 LoRA 微调与 latent-MasaCtrl 保持原图身份,同时发布 DragBench 基准验证其通用性。
2024-04-07 cs.CV cs.LG
Inpaint4Drag: Repurposing Inpainting Models for Drag-Based Image Editing via Bidirectional Warping
Visual AI Lab, The University of Hong Kong(视觉人工智能实验室,香港大学)
针对现有拖拽式图像编辑方法精度低、速度慢等问题,提出Inpaint4Drag框架,将编辑拆解为双向翘曲与图像修复,可适配任意修复模型,实现实时高精度的拖拽编辑效果。
2025-09-04 cs.CV
Localize, Understand, Collaborate: Semantic-Aware Dragging via Intention Reasoner
Beijing University of Posts and Telecommunications(北京邮电大学);University of California, Santa Barbara(加利福尼亚大学圣巴巴拉分校)
本文提出LucidDrag,通过意图推理器推断编辑内容与语义方向,并协同整合语义引导和质量引导,将拖拽编辑从学习“如何拖拽”转变为“先做什么再如何做”,显著提升了编辑的灵活性与图像质量。
2024-10-22 cs.CV
LightningDrag: Lightning Fast and Accurate Drag-based Image Editing Emerging from Videos
National University of Singapore(新加坡国立大学);ByteDance Inc.(字节跳动公司)
针对现有基于拖拽的图像编辑方法速度慢、成功率低的问题,提出LightningDrag,将其重构为条件生成任务,从视频中学习运动信息,实现约1秒的高质量编辑,且泛化性和准确性更优。
2024-09-16 cs.CV
Drag within Prior Distribution: Text-Conditioned Point-Based Image Editing within Distribution Constraints
Ritsumeikan University, Graduate School of Information(日光大学信息工程研究生院);Engineering, Osaka Institute of Technology(工程学,大阪技术学院)
本文提出基于CLIP模型的编辑引导方法和先验保留损失,以提高图像编辑的语义一致性和生成质量,同时减少编辑时间。
2026-05-13 cs.CV
DirectDrag: High-Fidelity, Mask-Free, Prompt-Free Drag-based Image Editing via Readout-Guided Feature Alignment
National Taiwan University of Science and Technology(台湾科技大学);National Taiwan University(台湾大学);Microsoft Taiwan(微软台湾)
DirectDrag通过读取引导的特征对齐方法实现无掩码、无提示的拖动图像编辑,提升图像质量和拖动精度。
2025-12-03 cs.CV
Drag-A-Video: Non-rigid Video Editing with Point-based Interaction
The University of Hong Kong(香港大学);Huawei Noah’s Ark Lab(华为诺亚方舟实验室);Tsinghua University(清华大学)
针对交互式非刚性视频编辑问题,提出基于扩散的 Drag-A-Video,通过点集传播、视频级运动监督、潜在偏移和时间一致点跟踪实现精确且跨帧一致的拖拽操控。
2023-12-05 cs.CV
In-context Region-based Drag: Drag Any Region to Any Shape
Shanghai Jiao Tong University(上海交通大学)
提出ICRDrag方法,通过上下文学习框架和两种注意力正则化,实现区域级拖拽编辑,在精度和视觉保真度上显著优于现有方法。
2026-06-25 cs.CV
Reproducing DragDiffusion: Interactive Point-Based Editing with Diffusion Models
Faculty of Computer and Information Science(计算机与信息科学学院);University of Ljubljana(卢布尔雅那大学)
本文重现了DragDiffusion方法,验证了其在不同超参数下的可重复性,并发现其性能对优化时间步和特征层敏感。
2026-02-12 cs.AI cs.CV cs.LG
Text-Vision Co-Instructed Image Editing
The Hong Kong Polytechnic University(香港理工大学);OPPO Research Institute(OPPO研究院)
提出TV-Edit框架,联合文本指令的语义表达与稀疏视觉指令的空间引导,实现精确且忠实于意图的图像编辑,显著优于现有方法。
2026-10-14 cs.CV
CNS-Edit++: Category-Agnostic 3D Editing with Coupled Neural Shape Representation
The Chinese University of Hong Kong(香港中文大学);Lingnan University(岭南大学);National University of Singapore(新加坡国立大学);The Hong Kong University of Science and Technology(香港科技大学);Autodesk AI Lab(欧特克人工智能实验室);Simon Fraser University(西蒙弗雷泽大学)
研究提出基于耦合神经形状表示和神经特征体积优化的潜在空间3D形状编辑框架CNS-Edit++,能在特定类别和类别无关模型上实例化,有多种编辑操作符及区域控制机制,经评估其性能优于现有方法。
2026-07-22 cs.CV cs.GR
2D Instance Editing in 3D Space
The University of Hong Kong(香港大学)
针对二维图像编辑中一致性与身份保持难题,提出“二维-三维-二维”框架,将对象提升至三维刚性环境编辑后重投影回二维,超越DragGAN等方法,实现高一致性与身份保持。
2025-07-08 cs.CV
FastDrag: Manipulate Anything in One Step
College of Computer Science and Technology, Harbin Engineering University(哈尔滨工程大学计算机科学与技术学院);School of Intelligence Science and Technology, Nanjing University(南京大学智能科学与技术学院);State Key Laboratory of Space-Ground Integrated Information Technology(天地一体化信息技术国家重点实验室)
针对现有拖拽式图像编辑多步迭代耗时的问题,提出一步式方法FastDrag,通过潜在翘曲函数、双边最近邻插值和一致性保持策略,在DragBench数据集上实现了编辑速度的大幅提升与性能的增强。
2024-10-29 cs.CV
ObjectMorpher: 3D-Aware Image Editing via Deformable 3DGS Models
The University of Hong Kong(香港大学)
ObjectMorpher通过可变形3DGS模型实现3D感知图像编辑,提供精确的物体级控制,支持快速且保持身份的编辑,优于2D拖拽和3D感知基线。
2026-03-30 cs.CV
ToW3D: Consistency-aware Interactive Point-based Mesh Editing on GANs
Tsinghua University(清华大学)
提出ToW3D,通过拔河式优化实现三维GAN网格编辑,兼顾局部拖拽与全局一致性,提升大变形下的外观保真。
2026-09-23 cs.CV
CNS-Edit: 3D Shape Editing via Coupled Neural Shape Optimization
The Chinese University of Hong Kong(香港中文大学);Simon Fraser University(西蒙菲莎大学)
本文提出CNS-Edit,通过耦合神经形状表示和体积优化在潜在空间隐式编辑3D形状,支持复制、缩放、删除和拖动操作,实现语义感知且优于现有方法的编辑效果。
2024-02-04 cs.CV cs.GR
HPR3D: Hierarchical Proxy Representation for High-Fidelity 3D Reconstruction and Controllable Editing
提出一种基于稀疏树状代理节点的3D层次化表示方法,通过局部神经插值实现高保真重建与直接拖拽编辑,兼顾紧凑性与可扩展性。
2025-07-16 cs.CV cs.GR
Velocity-Space 3D Asset Editing
Tsinghua University(清华大学);South China University of Technology(华南理工大学);Peng Cheng Laboratory(鹏城实验室)
本文提出VS3D框架,通过在采样器内部进行针对性干预,解决3D编辑中局部修改与保持其余部分的三大问题,包括身份泄漏、编辑信号放大和身份拖拽。
2026-10-26 cs.CV cs.GR
StyleFields: Multi-Scale AdaIN-Modulated Implicit SDFs for Coarse-to-Fine 3D Shape Reconstruction and Editing
Bilkent University(比尔肯大学);École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院)
StyleFields提出一种基于DeepSDF的多尺度AdaIN调制隐式SDF架构,实现从粗到细的三维形状重建与可控风格混合,并在汽车空气动力学优化中验证了其有效性。
2026-10-08 cs.CV cs.GR
Streaming Drag-Oriented Interactive Video Manipulation: Drag Anything, Anytime!
Nanyang Technological University(南洋理工大学);University of Science and Technology of China(中国科学技术大学);Hefei University of Technology(合肥工业大学)
提出REVEL任务和DragStream方法,通过自适应分布自校正和空间频率选择性优化,实现自回归视频扩散模型的流式拖拽交互操作。
2026-05-28 cs.CV
EditableNeRF: Editing Topologically Varying Neural Radiance Fields by Key Points
Tsinghua University(清华大学)
神经辐射场(NeRF)实现了高度照片级真实感的新视点合成,但如何对基于NeRF的方法建模的场景进行编辑是一个具有挑战性的问题,特别是对于动态场景。我们提出了可编辑的神经辐射场,使最终用户能够轻松地编辑动态场景,甚至支持拓扑变化。输入来自单个相机的图像序列,我们的网络完全自动训练,并使用我们挑选的表面关键点对拓扑变化的动态进行建模。然后,最终用户可以通过轻松地将关键点拖动到所需的新位置来编辑场景。为了实现这一点,我们提出了一个景物分析方法来检测和初始化的关键点,考虑在场景中的动态,和一个加权的关键点的战略模型拓扑变化的动态联合关键点和权重优化。我们的方法支持直观的多维(高达3D)编辑,并可以生成在输入序列中看不到的新场景。实验表明,我们的方法实现了高质量的编辑各种动态场景,并优于国家的最先进的。我们的代码和捕获的数据可在https://chengwei-zheng.github.io/EditableNeRF/。
2023-03-28 cs.CV
Edit One for All: Interactive Batch Image Editing
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
针对批量图像需逐张编辑的问题,本文提出以 StyleGAN 为媒介,将用户在单张示例图上指定的交互式编辑自动迁移到整批图像,在保持视觉质量的同时提升一致性并节省人力。
2024-01-18 cs.CV
EditWorld: Simulating World Dynamics for Instruction-Following Image Editing
Peking University(北京大学);Tiamat AI;Skywork AI;Mila - Québec AI Institute(米拉-魁北克人工智能研究所)
针对现有图像编辑缺乏对物理世界动态理解的问题,提出EditWorld任务及数据集,通过大型预训练模型构建数据并训练模型,显著提升了世界指令图像编辑能力。
2024-05-23 cs.AI cs.CV cs.LG
MotionDiff: Training-free Zero-shot Interactive Motion Editing via Flow-assisted Multi-view Diffusion
Sun Yat-sen University(中山大学);Department of Frontier Research, Peng Cheng Laboratory(前沿研究部,鹏城实验室)
针对现有运动编辑方法难以处理复杂运动和多视图一致性的问题,提出免训练零样本的MotionDiff方法,利用光流和多视图扩散实现高质量交互式运动编辑,无需重新训练。
2025-03-27 cs.CV
Editable Image Elements for Controllable Synthesis
Adobe Research(奥多比研究院);University of California, San Diego(加利福尼亚大学圣迭戈分校)
提出一种将图像编码为可编辑“image elements”的表示方法,通过diffusion model解码实现重建与直观的空间编辑,有效支持物体缩放、重排、移除等多种图像编辑任务。
2024-04-24 cs.CV
FramePainter: Endowing Interactive Image Editing with Video Diffusion Priors
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)
该研究将交互式图像编辑重构为图生视频生成任务,提出基于Stable Video Diffusion的FramePainter框架,通过轻量稀疏控制编码器和匹配注意力机制,以更少训练数据实现更优的编辑效果与跨场景泛化能力。
2025-01-14 cs.CV
VideoSwap: Customized Video Subject Swapping with Interactive Semantic Point Correspondence
National University of Singapore(新加坡国立大学);Meta
针对扩散视频编辑难以处理形状变化的问题,本文提出 VideoSwap 框架,用少量可交互语义点对齐运动并改变主体形状,在真实视频主体替换上达到 SOTA。
2023-12-05 cs.CV
Spatial Steerability of GANs via Self-Supervision from Discriminator
University of Oxford(牛津大学);University of California, Los Angeles(加州大学洛杉矶分校);Chinese University of Hong Kong(香港中文大学);Ant Group(蚂蚁集团);Australian National University(澳大利亚国立大学)
提出一种基于判别器自监督的方法,通过将高斯热图编码为空间归纳偏置并整合DragGAN,实现了无需额外标注的GANs空间可控性,支持多场景的细粒度编辑并提升合成质量。
2024-01-09 cs.CV