以几何进行拖拽：从像素到几何引导的图像编辑
计算机视觉与模式识别
2026-02-23 v2
摘要
基于点的交互式图像编辑作为一种可控编辑器，能够实现对图像内容的精确且灵活的操控。然而，大多数基于拖拽的方法主要在 2D 像素平面上操作，对 3D 线索的利用有限。因此，它们常常产生不精确且不一致的编辑结果，尤其是在旋转和透视变换等几何密集型场景中。为了解决这些局限性，我们提出了一种新颖的几何引导拖拽式图像编辑方法——GeoDrag，该方法解决了三个关键挑战：1）将 3D 几何线索融入像素级编辑，2）缓解仅由几何引导引起的不连续性，以及 3）解决由多点拖拽引起的冲突。基于联合编码 3D 几何和 2D 空间先验的统一位移场，GeoDrag 能够在单次前向传播中实现连贯、高保真且结构一致的编辑。此外，引入了一种无冲突划分策略来隔离编辑区域，有效防止干扰并确保一致性。在各种编辑场景下的大量实验验证了我们方法的有效性，展现出卓越的精度、结构一致性和可靠的多点可编辑性。项目页面：https://xinyu-pu.github.io/projects/geodrag。
引用
@article{arxiv.2509.25740,
title = {Dragging with Geometry: From Pixels to Geometry-Guided Image Editing},
author = {Xinyu Pu and Hongsong Wang and Jie Gui and Pan Zhou},
journal= {arXiv preprint arXiv:2509.25740},
year = {2026}
}