基于自适应目标感知注意力的精确物体与效果去除

物体去除不仅需要消除目标物体，还需要消除其相关的视觉效果，如阴影和反射。然而，基于扩散的图像修复和去除方法通常会引入伪影、产生幻觉内容、改变背景，并且难以准确去除物体效果。为了应对这些挑战，我们提出了 ObjectClear，一种通过自适应目标感知注意力机制将前景去除与背景重建解耦的新框架。这种设计使模型能够精确定位并去除物体及其效果，同时保持高背景保真度。此外，在推理过程中利用学习到的注意力图进行注意力引导的融合策略，进一步增强了视觉一致性。为了便于训练和评估，我们构建了 OBER，一个用于物体效果去除的大规模数据集，提供了有无物体效果的成对图像，以及物体及其效果的精确掩码。该数据集包含高质量拍摄和模拟数据，涵盖多样化的物体、效果和复杂的多物体场景。大量实验表明，ObjectClear 优于先前的方法，实现了卓越的物体效果去除质量和背景保真度，尤其是在具有挑战性的场景中。