基于对应点引导的3D一致性多视角编辑
计算机视觉与模式识别
2026-03-23 v2 人工智能
机器学习
摘要
扩散模型和流模型的近期进步大大提高了基于文本的图像编辑效果，但通常独立编辑图像的方法在同一场景的不同视角之间会产生几何和光照不一致的结果。这种不一致性在编辑诸如 NeRF 或高斯点模型等3D表示时尤其 problematic。我们提出一种无训练指导框架，在图像编辑过程中实现多视角一致性。核心思想是，编辑后对应的点应具有相似性。为实现此目标，我们引入一致性损失，以引导去噪过程朝向连贯编辑方向发展。该框架灵活可选，能够与各种图像编辑方法结合，支持稠密和稀疏的多视角编辑 setup。实验结果表明，我们的方法在3D一致性方面显著优于现有的多视角编辑方法。我们还展示了这种增强的一致性如何实现了高质量的高斯点编辑，具有锐利细节和强大的对用户指定文本提示的忠实度。请参阅我们的项目页面获取视频结果：https://3d-consistent-editing.github.io/
引用
@article{arxiv.2511.22228,
title = {3D-Consistent Multi-View Editing by Correspondence Guidance},
author = {Josef Bengtson and David Nilsson and Dong In Lee and Yaroslava Lochman and Fredrik Kahl},
journal= {arXiv preprint arXiv:2511.22228},
year = {2026}
}
备注
Added experiments with FLUX.1 editing method