借鉴任何事物：面向参考引导实例编辑的通用框架
计算机视觉与模式识别
2025-12-18 v1
摘要
参考引导实例编辑从根本上受限于语义纠缠，即参考图像的内在外观与其外在属性相互交织。核心挑战在于解耦应从参考中借用哪些信息，以及如何将其恰当地应用于目标。为应对这一挑战，我们提出 GENIE——一个通用的实例编辑框架，能够实现显式解耦。GENIE 首先通过空间对齐模块（SAM）纠正空间错位；然后，自适应残差缩放模块（ARSM）通过放大显著的内在线索并抑制外在属性来学习应借用什么，而渐进注意力融合（PAF）机制学习如何将该外观渲染到目标上，同时保留其结构。在具有挑战性的 AnyInsertion 数据集上的大量实验表明，GENIE 实现了最先进的保真度和鲁棒性，为基于解耦的实例编辑设定了新标准。
引用
@article{arxiv.2512.15138,
title = {Borrowing from anything: A generalizable framework for reference-guided instance editing},
author = {Shengxiao Zhou and Chenghua Li and Jianhao Huang and Qinghao Hu and Yifan Zhang},
journal= {arXiv preprint arXiv:2512.15138},
year = {2025}
}
备注
5 pages