PosBridge：面向身份感知图像编辑的多视角位置嵌入移植
计算机视觉与模式识别
2025-08-26 v1
摘要
局部主题驱动图像编辑旨在无缝将用户指定的对象插入目标场景。随着生成模型的规模不断扩大，训练所需的内存和计算资源日益昂贵，凸显了训练免费且可扩展编辑框架的需求。为此，我们提出PosBridge—an efficient and flexible framework for inserting custom objects。我们方法的关键组件是位置嵌入移植，它指导扩散模型忠实地复制参考对象的结构特征。同时，我们引入了角落中心布局，将参考图像和背景图像拼接作为输入供FLUX.1-Fill模型使用。在渐进去噪过程中，位置嵌入移植被应用于引导目标区域的噪声分布趋向于参考对象的噪声分布。如此，角落中心布局有效地引导FLUX.1-Fill模型在所需位置合成身份一致的内容。大量实验表明，PosBridge在结构一致性、外观保真度和计算效率方面均优于主流基线，展现出广泛采纳的实用价值和潜力。
引用
@article{arxiv.2508.17302,
title = {PosBridge: Multi-View Positional Embedding Transplant for Identity-Aware Image Editing},
author = {Peilin Xiong and Junwen Chen and Honghui Yuan and Keiji Yanai},
journal= {arXiv preprint arXiv:2508.17302},
year = {2025}
}