主观相机 1.0：通过序列感知草图引导扩散桥接人类认知与视觉重建
计算机视觉与模式识别
2025-09-23 v3
摘要
我们提出了主观相机的概念，用于重建物理相机未能捕获的有意义时刻。我们提出了主观相机 1.0，这是一个从易于获取的主观读出（即文本描述和逐渐绘制的粗糙草图）来重建真实世界场景的框架。基于优化的扩散模型对齐，我们的方法避免了大规模配对训练数据，并缓解了泛化问题。为解决将多个抽象概念整合到实际场景中的挑战，我们设计了一个序列感知草图引导扩散框架，包含三个损失项，用于按主观读出的自然顺序进行概念级顺序优化。在两个数据集上的实验表明，我们的方法在图像质量以及空间和语义对齐方面实现了最新的性能。用户研究（40 名参与者）进一步确认了我们方法始终受到偏好。我们的项目页面地址为：subjective-camera.github.io
引用
@article{arxiv.2506.23711,
title = {Subjective Camera 1.0: Bridging Human Cognition and Visual Reconstruction through Sequence-Aware Sketch-Guided Diffusion},
author = {Haoyang Chen and Dongfang Sun and Caoyuan Ma and Shiqin Wang and Kewei Zhang and Zheng Wang and Zhixiang Wang},
journal= {arXiv preprint arXiv:2506.23711},
year = {2025}
}