Pose-Star：面向开放世界时尚图像的解剖学感知编辑

为推进现实世界时尚图像编辑，我们分析现有两阶段管线（掩码生成后进行基于扩散的编辑），其过度关注生成器优化而忽视掩码的可控性。这导致两个关键局限性：I）用户定义的灵活性差（粗粒度人体掩码限制编辑仅限于预定义区域，如上身；细粒度服装掩码保留姿态但禁止风格/长度定制）。II）姿态鲁棒性差（掩码生成器因关节姿态失效，漏掉如腰部等罕见区域，而人体解析器受限于预定义类别）。为解决此问题，我们提出Pose-Star框架，通过动态重组身体结构（如颈部、胸部等）生成解剖学感知掩码（如胸部长度），以实现用户定义编辑。在Pose-Star中，我们通过骨骼关键点校准扩散派生注意力（Star tokens），增强复杂姿态下罕见结构的定位，通过基于相位的注意力动力学分析（收敛、稳定、发散）结合阈值掩码和滑动窗口融合抑制噪声，并通过跨自注意力合并和Canny对齐 refine 边缘。本工作桥接受控基准与开放世界需求，开创性地实现了解剖学感知、姿态鲁棒的编辑，为工业级时尚图像编辑奠定基础。