通过字形风格双控制实现真实文本编辑的统一框架——TextMaster

在图像编辑任务中，高质量的文本编辑能力可以显著减少人力和物料资源的消耗。然而，现有方法在复杂文本的笔画准确性和生成文本风格的可控性方面存在显著局限。为解决这些挑战，我们提出TextMaster，一种能够在 various 场景和图像区域准确编辑文本，同时确保正确布局和可控文本风格的解决方案。我们通过纳入高分辨率标准字形信息并在文本编辑区域内应用感知损失来提高文本渲染的准确性和保真度。此外，我们利用注意力机制为每个字符计算中间层边界框回归损失，使模型能够在不同上下文中学习文本布局。进一步，我们提出一种新颖的风格注入技术，使注入文本的风格转换具有可控性。通过全面的实验，我们展示了该方法的前沿性能。