HarmonPaint：无训练的调和扩散模型填充
计算机视觉与模式识别
2025-07-23 v1
摘要
现有填充方法通常需要 extensive retraining 或 fine-tuning 才能将新内容无缝集成到周围背景中， 但又难以在结构和风格方面保持与填充区域的一致性。 受此限制启发，我们引入 HarmonPaint， 一个无训练填充框架， 通过与扩散模型的注意力机制集成， 实现无任何形式训练的高质量、调和图像填充。 通过在自注意力中利用掩码策略， HarmonPaint 在无模型重新训练或微调的情况下确保结构保真。 此外，我们利用扩散模型的内在属性，将未掩码区域的风格信息传递到掩码区域， 实现风格的和谐融合。 大量实验表明， HarmonPaint 在 diverse 场景和风格下均表现有效， 验证了其 多样性和性能。
引用
@article{arxiv.2507.16732,
title = {HarmonPaint: Harmonized Training-Free Diffusion Inpainting},
author = {Ying Li and Xinzhe Li and Yong Du and Yangyang Xu and Junyu Dong and Shengfeng He},
journal= {arXiv preprint arXiv:2507.16732},
year = {2025}
}