HiddenObjects：面向对象放置的可扩展扩散-蒸馈空间先验
计算机视觉与模式识别
2026-04-14 v1
摘要
我们提出一种方法，通过蒸馈文本条件扩散模型中编码的隐式放置知识，学习用于自然场景中对象放置的显式、类别条件空间先验。现有工作要么依赖手动标注数据，规模固有受限；要么依赖基于填充的对象移除管道，其副产物会促进捷足矢式学习。为克服这些限制，我们引入一个完全自动且可扩展的框架，使用扩散基的填充管道在高质量真实背景上评估稠密对象放置。通过该管道，我们构建了 HiddenObjects 数据集，包含 2700 万放置标注，覆盖 2.7 万个不同场景，提供不同图像和对象类别的排序边界框插入。实验结果表明，我们的空间先验在下游图像编辑任务上优于稀疏人工标注 (3.90 vs 2.68 VLM-Judge)，显著超越现有放置基线和零-shot 视觉语言模型。此外，我们将这些先验蒸馈到轻量级模型中，以实现快速实用推理 (23 万倍加速)。
引用
@article{arxiv.2604.10675,
title = {HiddenObjects: Scalable Diffusion-Distilled Spatial Priors for Object Placement},
author = {Marco Schouten and Ioannis Siglidis and Serge Belongie and Dim P. Papadopoulos},
journal= {arXiv preprint arXiv:2604.10675},
year = {2026}
}