AbracADDbra：基于触摸引导的对象添加通过解耦放置与编辑子任务
计算机视觉与模式识别
2026-02-17 v1 人工智能
摘要
基于指令的对象添加常受文本模式提示模糊或基于掩码输入的繁琐性的限制。为填补这种可用性差距，我们引入了 AbracADDbra，一个利用直观触摸先验在空间上对简洁指令进行定位，从而实现精确放置的用户友好框架。我们的高效解耦架构使用面向触摸的放置模型，随后采用扩散模型联合生成对象及其实例掩码，以实现高保真度混合。为促进该交互式任务的标准化评估，我们贡献了用于此任务的 Touch2Add 数据集。我们的广泛评估显示，放置模型显著优于随机放置和通用 VLM 框架，确认了该框架能够产生高保真度编辑的能力。此外，我们的分析揭示了初始放置准确性与最终编辑质量之间的强相关性，验证了我们解耦方法的有效性。该工作为更易于访问和高效的创意工具铺平了道路。
引用
@article{arxiv.2602.14237,
title = {AbracADDbra: Touch-Guided Object Addition by Decoupling Placement and Editing Subtasks},
author = {Kunal Swami and Raghu Chittersu and Yuvraj Rathore and Rajeev Irny and Shashavali Doodekula and Alok Shukla},
journal= {arXiv preprint arXiv:2602.14237},
year = {2026}
}
备注
Accepted in IEEE ICASSP 2026