DragNeXt：重新思考基于拖拽的图像编辑
计算机视觉与模式识别
2026-01-27 v2
摘要
基于拖拽的数值图像编辑 (DBIE) 允许用户直接在图像内拖动对象进行操作，近期受到社区广泛关注。然而，它面临两个关键挑战：(\emph{\textcolor{magenta}{i}}) 基于点的拖拽往往高度模糊，难以对齐用户意图；(\emph{\textcolor{magenta}{ii}}) 当前 DBIE 方法主要依赖运动监督与点跟踪之间的交替，既繁琐又难以产生高质量结果。这些限制促使我们从新视角探索 DBIE——将其定义为用户指定区域的变形、旋转和平移。通过要求用户显式指定拖拽区域和类型，可有效解决歧义问题。进而，我们提出一种简洁而有效的编辑框架，称为 \textcolor{SkyBlue}{\textbf{DragNeXt}}。将 DBIE 统一为潜在区域优化 (LRO) 问题，通过渐进式反向自我干预 (PBSI) 求解，既简化了 DBIE 的整体流程，又通过充分利用区域级结构信息和来自中间拖拽状态的渐进引导，进一步提升了质量。我们在自建的 NextBench 上验证了 \textcolor{SkyBlue}{\textbf{DragNeXt}}，并进行了大量实验表明该方法显著优于现有方法。代码将在 GitHub 上发布。
引用
@article{arxiv.2506.07611,
title = {DragNeXt: Rethinking Drag-Based Image Editing},
author = {Yuan Zhou and Junbao Zhou and Qingshan Xu and Kesen Zhao and Yuxuan Wang and Hao Fei and Richang Hong and Hanwang Zhang},
journal= {arXiv preprint arXiv:2506.07611},
year = {2026}
}
备注
https://github.com/zhouyuan888888/DragNeXt