AGSwap：通过自适应组交换克服物体融合中的类别边界
计算机视觉与模式识别
2025-09-30 v2
摘要
由于在虚拟现实、数字媒体、电影和游戏中的广泛应用，将跨类别物体融合为单一连贯物体在文本到图像（T2I）生成中受到越来越多的关注。然而，由于重叠伪影和整合不佳，现有方法通常会产生有偏差的、视觉混乱的或语义不一致的结果。此外，由于缺乏全面的基准数据集，该领域的进展受到限制。为了解决这些问题，我们提出了自适应组交换（Adaptive Group Swapping, AGSwap），这是一种简单但非常有效的方法，包含两个关键组件：（1）分组嵌入交换，通过特征操作融合来自不同概念的语义属性；（2）自适应组更新，一种由平衡评估分数引导的动态优化机制，以确保连贯的合成。此外，我们引入了跨类别物体融合（Cross-category Object Fusion, COF），这是一个基于ImageNet-1K和WordNet构建的大规模、层次化结构数据集。COF包含95个超类，每个超类有10个子类，可实现451,250个独特的融合对。大量实验表明，AGSwap优于最先进的组合式T2I方法，包括使用简单和复杂提示的GPT-Image-1。
引用
@article{arxiv.2509.18699,
title = {AGSwap: Overcoming Category Boundaries in Object Fusion via Adaptive Group Swapping},
author = {Zedong Zhang and Ying Tai and Jianjun Qian and Jian Yang and Jun Li},
journal= {arXiv preprint arXiv:2509.18699},
year = {2025}
}
备注
Accepted to SIGGRAPH Asia 2025