TimeColor：基于时间拼接的灵活参考色化方法
计算机视觉与模式识别
2026-04-21 v2
摘要
大多数色化模型仅基于单个参考条件，通常是场景的第一帧。然而，这种方法忽略了其他条件数据来源，如角色板、背景图像或任意色化帧。我们提出TimeColor，一种基于草图的视频色化模型，支持异构且可变数量的参考输入，通过显式的 per-reference 区域分配实现。TimeColor 将参考输入编码为额外的潜在帧，并在时间上拼接，使其在每个扩散步骤中并行处理，同时保持模型参数数量不变。TimeColor 还使用时空对应掩码注意力机制，以实现主体-参考绑定，并采用模态无关的 RoPE 索引。这些机制缓解了快速逃逸和跨身份调色板泄漏。在 Sakuga-42M 数据集上进行单参考和多参考协议下的实验表明，TimeColor 在色彩保真性、身份一致性和时间稳定性方面均优于先前的基线方法。我们的项目页面已公开 https://bconstantine.github.io/TimeColor/。
引用
@article{arxiv.2601.00296,
title = {TimeColor: Flexible Reference Colorization via Temporal Concatenation},
author = {Bryan Constantine Sadihin and Yihao Meng and Michael Hua Wang and Matteo Jiahao Chen and Hang Su},
journal= {arXiv preprint arXiv:2601.00296},
year = {2026}
}
备注
Our project page is available at https://bconstantine.github.io/TimeColor/