渐进式全景化简
计算机视觉与模式识别
2026-05-12 v1
摘要
现有的图像简化技术通常依赖于非全景化渲染(NPR)，将照片转化为手绘草图、卡通或绘画。虽然有效地降低了视觉复杂性，但此类方法通常会牺牲照片化外观。在本工作中，我们探索了一种互补方向：在保持照片化外观的同时简化图像。我们引入渐进式语义图像简化框架，通过受控方式删除和填充元素来逐步减少场景复杂性。在每一步中，结果图像仍是可信的自然照片。我们的方法结合了语义理解与生成式编辑，利用视觉语言模型(VLM)识别和优先排序要删除的元素，并通过学习的验证器确保整个过程中保持照片化和连贯性。这通过一个迭代的选择-删除-验证管道实现，产生高质量的简化轨迹。为提高效率，我们进一步将此过程蒸馏为一个图像到视频生成模型，直接从单个输入图像预测连贯的简化序列。除了生成更干净、更聚焦的构图之外，我们的方法还支持内容感知整理、语义图层分解和交互式编辑等应用。更广泛地说，我们的工作表明，通过结构化内容删除的简化可以作为一种实用的机制，用于引导全景域内的视觉解释，补充传统抽象方法。
引用
@article{arxiv.2605.10409,
title = {Progressive Photorealistic Simplification},
author = {Adi Rosenthal and Dana Berman and Yedid Hoshen and Ariel Shamir},
journal= {arXiv preprint arXiv:2605.10409},
year = {2026}
}