Anywhere：一种用于用户引导、可靠且多样化的前景条件图像生成的多智能体框架

图像条件图像生成的最新进展显示出实质性进步。然而，前景条件图像生成仍处于探索不足的阶段，面临着诸如物体完整性受损、前景与背景不一致、多样性有限以及控制灵活性降低等挑战。这些挑战源于当前的端到端图像修复模型，这些模型存在训练掩码不准确、前景语义理解有限、数据分布偏差以及视觉与文本提示之间固有的干扰等问题。为了克服这些限制，我们提出了 Anywhere，一种摆脱传统端到端方法的多智能体框架。在该框架中，每个智能体专门负责一个不同的方面，例如前景理解、多样性增强、物体完整性保护和文本提示一致性。我们的框架进一步增强了对可选用户文本输入的整合能力，能够执行自动质量评估并在需要时启动重新生成。综合实验表明，这种模块化设计有效克服了现有端到端模型的局限性，在前景条件图像生成中实现了更高的保真度、质量、多样性和可控性。此外，Anywhere 框架具有可扩展性，能够从每个独立智能体的未来进步中获益。