MooD：基于连续价值- arousal 模型的感知增强高效情感图像编辑
计算机视觉与模式识别
2026-05-14 v2
摘要
情感图像编辑（Affective Image Editing, AIE）旨在修改视觉内容以唤起特定情绪。虽然当前方法在编辑质量方面取得了令人印象深刻的成果，但它们往往忽视推理效率，这限制了其在计算社交场景中的应用。此外，大多数方法依赖离散情感表征，这会阻碍对复杂人类情绪的连续建模，并限制了交互场景中的表达能力。为解决这些问题，我们提出了 MooD 框架——首个直接利用连续价值- arousal（Valence-Arousal, VA）值作为编辑指令，以实现计算社交系统中细粒度且高效 AIE 的框架。具体而言，我们首先引入 VA 感知检索策略，以桥接模糊的情感值与详细的视觉语义。基于此，MooD 集成了视觉迁移和感知增强语义指导，以实现可控的 AIE。此外，考虑到现有 VA 标注数据集主要聚焦于社交场景，大量忽视自然场景，我们因此构建了 AffectSet——一个涵盖多样场景的全面 VA 标注数据集，以支持模型优化与评估。大量定性和定量实验结果表明，MooD 在情感可控性和视觉保真度方面均实现卓越性能，同时保持高效能。一系列消融研究进一步揭示了我们设计的关键因素。
引用
@article{arxiv.2605.02521,
title = {MooD: Perception-Enhanced Efficient Affective Image Editing via Continuous Valence-Arousal Modeling},
author = {Xinyi Yin and Yiduo Wang and Tingqi Hu and Meicong Si and Yunyun Shi and Shi Chen and Hao Wang and Junxiao Xue and Xuecheng Wu},
journal= {arXiv preprint arXiv:2605.02521},
year = {2026}
}