SceneTextStylizer：基于扩散模型的无训练场景文本风格迁移框架
计算机视觉与模式识别
2025-10-14 v1 图像与视频处理
摘要
随着扩散模型的快速发展，风格迁移取得了显著进展。然而，场景文本的灵活且局部化风格编辑仍是未解之谜。虽然现有场景文本编辑方法已实现文本区域编辑，但通常仅限于内容替换和简单风格，缺乏自由风格迁移的能力。本文介绍SceneTextStylizer，一个新型无训练基于扩散模型的框架，用于场景图像中文本的灵活且高保真风格迁移。不同于先前方法要么进行全局风格迁移，要么仅关注文本内容修改，我们的方法实现了针对文本区域的提示引导风格转换，同时保持文本可读性和风格一致性。为实现此目标，我们设计了特征注入模块，利用扩散模型反演和自注意力机制有效传递风格特征。此外，引入区域控制机制，通过在每个去噪步骤上应用基于距离的变化掩码，实现精确的空间控制。为进一步提升视觉质量，我们集成了基于傅里叶变换的风格增强模块，以强化风格丰富性。大量实验表明，我们的方法在场景文本风格转换中实现了优异性能，在视觉保真度和文本保持方面均优于现有最先进方法。
引用
@article{arxiv.2510.10910,
title = {SceneTextStylizer: A Training-Free Scene Text Style Transfer Framework with Diffusion Model},
author = {Honghui Yuan and Keiji Yanai},
journal= {arXiv preprint arXiv:2510.10910},
year = {2025}
}