InsHuman：自然且身份保持的人类插入
计算机视觉与模式识别
2026-05-11 v1
摘要
人类插入旨在自然地将特定个体放入目标背景中。虽然现有图像编辑模型可能具有此能力，但常常会产生失败案例，包括目标背景中不合适的人体姿势、人数不一致以及修改后的人脸身份等问题。此外，公开的人类数据集常缺乏全身肖像及人类与其背景之间真实的物理相互作用。为此，我们提出InsHuman实现自然且身份保持的人类插入。具体而言，我们提出Human-Background Adaptive Fusion (HBAF)，该方法检测前景人体以获取二值掩码，并对区域进行感知加权，以在预测与真实潜在表示之间对齐人体区域，确保该人的姿势、数量和整体外观在目标背景中保持一致。我们进一步提出Face-to-Face ID-Preserving (FFIP)，该方法通过面部识别特征在生成图像与源图像之间检测并匹配人脸，以强制执行每个人脸的身份一致性。此外，我们提出双向数据配对 (BDP) 策略，以构建BDP-InsHuman数据集，包含真实的人类-背景相互作用。实验表明，InsHuman在保持人类身份不变的同时，显著提高了生成合理图像的质量。
引用
@article{arxiv.2605.07402,
title = {InsHuman: Towards Natural and Identity-Preserving Human Insertion},
author = {Jie Li and Shulian Zhang and Yangyang Gao and Wenbo Li and Yulun Zhang and Yong Guo and Jian Chen},
journal= {arXiv preprint arXiv:2605.07402},
year = {2026}
}