CatalogStitch：面向目录图像生成的数据感知与遮挡保留的对象拼贴

生成式对象拼贴方法在将对象无缝插入场景方面展现了卓越的能力。然而在应用于真实世界的目录图像生成时，这些方法需要繁琐的手动干预：用户必须在产品尺寸不同时仔细调整掩码，而在生成后还原被遮振元素则需额外操作。我们提出CatalogStitch，一套模型无关的技术，自动化这些校正，实现用户友好的内容创建。我们的数据感知掩码计算算法自动适配目标区域以容纳不同尺寸的产品；用户只需提供产品图像和背景，无需手动调整掩码。我们的遮挡感知混合恢复方法确保遮挡元素的像素级保留，消除后期编辑流程。我们还引入CatalogStitch-Eval，覆盖宽高比不匹配和遮挡密集目录场景的58个示例基准，附带PDF与HTML查看器。我们在三种前沿拼贴模型（ObjectStitch、OmniPaint和InsertAnything）上评估这些技术，在多样化的目录场景中均取得一致改进。通过减少手动干预并自动化繁琐校正，我们的方法将生成式拼贴转化为生产目录工作流程中实用且人性化的工具。