FlashClear：基于高效步骤蒸馏与特征缓存的超高速图像内容移除
计算机视觉与模式识别
2026-05-13 v2
摘要
最近，基于扩散模型的对象移除模型在消除对象及其相关视觉效果方面取得了显著成果。然而，这些模型对所有时间步的所有 token 进行无差别去噪，忽略了移除通常仅涉及小范围前景区域。这一策略引入了巨大的计算开销和延长的推理时间。为克服这一计算负担，我们提出了一种潜在判别器，通过区域感知对抗蒸馏（RAD）实现，从而得到一个高度高效的少步骤模型，命名为 FlashClear。此外，针对少步骤扩散模型，我们提出了 FPAC（前景优先非对称注意力与缓存），这是一种无需训练的加速策略。大量实验表明，我们的框架在保持或超越基模型 ObjectClear 性能的同时，提供了巨大的加速。值得注意的是，在 OBER 数据集上，我们的 FlashClear 相对于 ObjectClear 和 OmniPaint 分别实现了最高可达 8.26 倍和 122 倍的加速，同时保持了高质量的视觉效果。
引用
@article{arxiv.2605.09003,
title = {FlashClear: Ultra-Fast Image Content Removal via Efficient Step Distillation and Feature Caching},
author = {Yixin Tang and Jiawei Guo and Junxian Li and Zhiteng Li and Jixin Zhao and Bingya Zhang and Chenbo Wang and Yulun Zhang and Shangchen Zhou},
journal= {arXiv preprint arXiv:2605.09003},
year = {2026}
}
备注
Code: https://github.com/GuoCalix/FlashClear