Inpaint4Drag：通过双向扭曲将图像修复模型重新用于基于拖拽的图像编辑
计算机视觉与模式识别
2025-09-08 v1
摘要
基于拖拽的图像编辑已成为直观图像处理的强大范式。然而，现有方法主要依赖于操纵生成模型的潜在空间，导致精度有限、反馈延迟以及特定于模型的约束。为此，我们提出了 Inpaint4Drag，一种将基于拖拽的编辑分解为像素空间双向扭曲和图像修复的新框架。受物理世界中弹性物体变形的启发，我们将图像区域视为在用户操作下保持自然形状的可变形材料。我们的方法在 512x512 分辨率下实现了实时扭曲预览（0.01s）和高效修复（0.3s），与每次编辑需要数分钟的现有方法相比，显著改善了交互体验。通过将拖拽输入直接转换为标准图像修复格式，我们的方法可作为任何图像修复模型的通用适配器，无需修改架构，自动继承图像修复技术的所有未来改进。大量实验表明，我们的方法在保持实时性能的同时，实现了卓越的视觉质量和精确的控制。项目页面：https://visual-ai.github.io/inpaint4drag/
引用
@article{arxiv.2509.04582,
title = {Inpaint4Drag: Repurposing Inpainting Models for Drag-Based Image Editing via Bidirectional Warping},
author = {Jingyi Lu and Kai Han},
journal= {arXiv preprint arXiv:2509.04582},
year = {2025}
}
备注
Accepted to ICCV 2025. Project page: https://visual-ai.github.io/inpaint4drag/