arXiv cs.AI· Jinjing Zhao, Fangyun Wei, Yitong Wang, Xiuyu Wu, Yunuo Chen, Yang Yue, Sirui Zhang, Wenbo Wang, Hongyang Zhang, Dong Chen, Yan Lu, Chang Xu·· 9 天前AI 评分37
VibeEdit：用画布指令进行图像编辑
VibeEdit: Image Editing with Canvas Instructions
AI 导读
VibeEdit 提出一种画布指令图像编辑界面，用户直接在图上标注空间标记和简短备注来指定编辑位置与内容，无需单独文本提示词，即可完成对象添加、删除、替换、属性修改和移动。
正文 · AI 翻译
作者：Jinjing Zhao、Fangyun Wei、Yitong Wang、Xiuyu Wu、Yunuo Chen、Yang Yue、Sirui Zhang、Wenbo Wang、Hongyang Zhang、Dong Chen、Yan Lu、Chang Xu
摘要：在文本引导的图像编辑中，描述期望的修改通常很直接，但确定目标对象或区域却可能很麻烦，尤其是当多个对象看起来相似时。我们引入了一种新的图像编辑界面，允许用户直接在图像上放置空间标记和可选的简短注释。这些标注共同构成画布指令，指定编辑位置和修改内容。我们的编辑器 VibeEdit 遵循这些指令来执行对象添加、移除、替换、属性修改和移动，而无需单独的文本提示。我们构建了 155 万对带有对象掩码和结构化编辑描述的源-目标编辑对，并在训练期间据此渲染画布指令。我们采用层解耦条件化对 Qwen-Image-Edit 进行适配，将源图像和画布指令分别编码以用于图像编辑。我们使用区域加权监督微调训练模型，随后进行评分标准引导的强化学习，以提升编辑完成度、局部编辑质量以及未编辑区域的保持。我们在一个独立构建、人工整理的包含 419 个案例的基准上评估 VibeEdit，该基准强调在相似对象中进行目标选择。VibeEdit 取得了 79.9 的 VLM 评分标准分数和 32.8 dB 的区域外 PSNR，而 FireRed 分别为 67.4 和 24.0 dB，后者是我们评估中得分最高的文本指令基线。
| 评论： | 项目页面：this https URL |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.12229 [cs.CV] |
| （或 arXiv:2610.12229v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12229 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Jinjing Zhao [查看电子邮件]
[v1]
2026年10月8日星期四 16:15:46 UTC（21,370 KB）
来源：arXiv cs.AI · arxiv.org