跳到正文
arXiv cs.AI· Kangjie Chen, Xiangyu Li, Jinhao Deng, Dongbin Zhang, Chaoda Zheng, Shijia Chen, Yuqi Zhang, Choo Sin Wai, Boyi Sun, Puyi Wang, Yu Zhang, Xianming Liu, Boyang Wang·· 10 小时前AI 评分31

H3Remover:无需配对数据强化视频物体移除

H3Remover: Reinforcing Video Object Removal without Paired Data

AI 导读

H3Remover 通过强化 MiniMax-H3 Base Ref2VA 实现无需配对无物体训练目标的视频物体移除。该方法用目标移除奖励、背景几何奖励和外观奖励约束编辑行为,并以冻结的 HPSv3 提供感知质量反馈,DiffusionART 在冻结主干下优化 LoRA 适配器。实验显示其重建效果较原始 H3 显著提升,定性对比中物体移除更有效且周围场景内容保留更好。

正文 · AI 翻译

作者:Kangjie Chen、Xiangyu Li、Jinhao Deng、Dongbin Zhang、Chaoda Zheng、Shijia Chen、Yuqi Zhang、Choo Sin Wai、Boyi Sun、Puyi Wang、Yu Zhang、Xianming Liu、Boyang Wang

查看 PDF HTML(实验性)

摘要:预训练视频编辑器具备丰富的移除与补全先验,但仍可能保留目标或改变无关内容。我们提出 H3Remover,它在没有成对无目标训练目标的情况下,强化 MiniMax-H3 Base Ref2VA 以进行视频对象移除。为抑制诸如重新着色之类的表面编辑,目标移除奖励倾向于与揭示更远内容相一致的、经过校准的深度变化。为限制意外的场景变化,背景几何奖励鼓励保留相对深度顺序。为在不保留不想要的阴影或反射的情况下保持背景外观,外观奖励约束源衍生保护区域中的 RGB 变化,同时豁免目标和估计效果。冻结的 HPSv3 以对合成内容的感知质量反馈补充这些约束。评估区域在各候选之间保持固定,DiffusionART 在骨干冻结的情况下优化 LoRA 适配器。实验表明,相较于原始 H3 有显著的重建提升,定性比较展示了更有效的对象移除以及对周围场景内容更好的保留。
评论: 项目页面:此 https URL,代码见:此 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:2611.24633 [cs.CV]
  (或 arXiv:2611.24633v1 [cs.CV] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.24633

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Kangjie Chen [查看电子邮件]
[v1] 2026年11月18日星期三 15:45:18 UTC(28,749 KB)

来源:arXiv cs.AI · arxiv.org