文本引导的无掩码局部图像修饰

在多模态领域，随着深度学习的出现，文本引导的图像修饰技术应运而生。然而，当前大多数可用的文本引导方法依赖于对象级监督来约束可被修改的区域。这不仅使得这些算法的开发更具挑战性，也限制了深度学习在图像修饰中的广泛应用。在本文中，我们提出了一种文本引导的无掩码图像修饰方法，可生成一致的结果以解决该问题。为了在无掩码监督的情况下进行图像修饰，我们的技术能够基于文本为图像中每个对象构建合理且边缘锐利的掩码。大量实验表明，我们的方法能够根据口语生成高质量、精确的图像。源代码将很快发布。