Edit Fidelity Field：面向训练-free 场景文本编辑的语义感知区域隔离
计算机视觉与模式识别
2026-04-21 v1
摘要
场景文本编辑 (STE) 已通过基于扩散的方法在准确渲染目标文本方面取得了显著进展。然而，我们发现了一个被忽视的关键问题：edit spillover——即编辑目标文本区域时，现有方法不慎修改非目标区域，特别是相邻文本。通过在四个类别的 50 个真实场景中进行系统评估，我们揭示了 state-of-the-art 扩散编辑模型具有 94% 的 spillover rate，这意味着在编辑期间几乎所有非目标文本区域都被修改。为此，我们提出了 Edit Fidelity Field (EFF)，一种语义感知的连续场，用于控制每个像素的编辑保真度。不同于二元掩码，EFF 利用 OCR 检测的文本区域构建四个区域：Edit Core (完全可编辑)、Transition Zone (平滑衰减)、Protected Zone (非目标文本，显式锁定) 和 Background (严格保存)。EFF 作为一种 training-free、model-agnostic 的后处理模块，可适用于任何基于扩散的 STE 方法。我们进一步提出了 per-region spillover 定量化，这是一种新颖的评估协议，用于在每个非目标文本区域 individually 测量 edit leakage。实验表明，EFF 将 spillover rate 从 94% 降至 25%，同时使非目标区域保存率提高 +91.4 dB PSNR。
引用
@article{arxiv.2604.17500,
title = {Edit Fidelity Field: Semantics-Aware Region Isolation for Training-Free Scene Text Editing},
author = {Guandong Li and Mengxia Ye},
journal= {arXiv preprint arXiv:2604.17500},
year = {2026}
}