RePainter：通过空间-遮罩强化学习赋能电商目标移除
计算机视觉与模式识别
2025-10-10 v1
摘要
在网页数据中，产品图像是提升用户参与度和广告效果的核心因素，但水印和促销文本等突出元素仍是交付清晰且引人注目的产品视觉的主要障碍。尽管扩散式图像填充方法取得了进展，但在商业环境中仍面临对象移除不可靠和受限于特定领域适应性的挑战。为此，本文提出Repainter，一种将空间-遮罩轨迹细化与群体相对政策优化（GRPO）集成的强化学习框架。我们的做法调制注意力机制以强调背景上下文，生成更高奖励的样本，减少不必要的对象插入。我们还引入一个复合奖励机制，在全局、局部和语义约束之间进行权衡，有效减少视觉伪影和奖励攻击。此外，我们贡献了一套大规模电商图像填充数据集 EcomPaint-100K，以及用于公平评估的标准化基准 EcomPaint-Bench。广泛的实验表明，Repainter 在各种具有挑战性场景的表现显著优于 SOTA 方法，尤其在构图复杂的场景中。我们将在接受后发布代码和模型权重。
引用
@article{arxiv.2510.07721,
title = {RePainter: Empowering E-commerce Object Removal via Spatial-matting Reinforcement Learning},
author = {Zipeng Guo and Lichen Ma and Xiaolong Fu and Gaojing Zhou and Lan Yang and Yuchen Zhou and Linkai Liu and Yu He and Ximan Liu and Shiping Dong and Jingling Fu and Zhen Chen and Yu Shi and Junshi Huang and Jason Li and Chao Gou},
journal= {arXiv preprint arXiv:2510.07721},
year = {2025}
}