ECCV`24 | 比DragDiffusion快100倍！RegionDrag：快·准·好的图像编辑方法！港大&牛津

文章预览

点击下方 卡片 ，关注“ AI生成未来 ” >>后台回复“GAI”，免费获取AI行业报告和资料！ 作者：Jingyi Lu等 解读：AI生成未来  文章链接：https://arxiv.org/pdf/2407.18247 git链接：https://github.com/LuJingyi-John/RegionDrag 亮点直击 引入了一种基于区域的图像编辑方法，以克服基于点拖拽方法的局限性，利用更丰富的输入上下文来更好地对齐编辑结果与用户的意图。 通过采用无梯度的复制粘贴操作，基于区域的图像编辑比现有方法快得多（见上图1），在一次迭代中完成拖拽。 扩展了两个基于点拖拽的数据集，添加了基于区域拖拽的指令，以验证RegionDrag的有效性并为基于区域的编辑方法提供基准。 基于点拖拽的图像编辑方法，如DragDiffusion，已引起了广泛关注。然而，由于点编辑指令的稀疏性，基于点拖拽的方法存在计算开销大和用户意图误解的问题。本文提出了 ………………………………