BrushEdit是腾讯、北京大学、香港中文大学及清华大学联合推出的先进图像编辑框架，是BrushNet模型的高级迭代版本。框架结合多模态大型语言模型（MLLMs）和双分支图像修复模型，实现基于指令引导的图像编辑和修复，支持用户用自然语言指令进行自由形式的、多轮交互式的编辑操作。BrushEdit能处理添加、移除物体等大幅度修改，同时保持背景的连贯性和编辑效果的自然性，显著提升图像编辑的灵活性和用户体验。
BrushEdit的主要功能指令引导的图像编辑：用户用自然语言指令指导图像编辑任务，如添加、删除或修改图像中的物体。多轮交互式编辑：支持用户在编辑过程中进行多轮交互，逐步调整和完善编辑结果。自由形式掩码编辑：用户自由绘制掩码指定编辑区域，无需精确的分割工具。背景和前景处理：框架能区分编辑区域（前景）和非编辑区域（背景），确保编辑操作不影响图像的非目标部分。图像修复：自动填充和修复图像中的缺失或指定区域，如去除不需要的物体或填补空洞。BrushEdit的技术原理多模态大型语言模型（MLLMs）：用预训练的MLLMs解析用户的自由形式编辑指令，识别编辑类型和目标对象。双分支图像修复模型：框架用双分支架构，一个分支负责处理掩码区域的图像生成，另一个分支处理未掩码区域的背景信息。代理协作框架：基于代理（代理指导者和代理指挥者）之间的协作，实现编辑类别分类、主要对象识别、掩码获取和编辑区域修复。特征融合：将用户指令和掩码信息融合到图像修复模型中，指导模型在掩码区域内生成与指令相符的内容。零卷积层和特征插入：用零卷积层将冻结的预训练模型与可训练的BrushEdit模型连接，减轻早期训练阶段的噪声，逐层集成特征实现精细的控制。混合微调策略：结合随机掩码和分割掩码的微调策略，让模型处理多种掩码任务，不受特定掩码类型限制。BrushEdit的项目地址项目官网：liyaowei-stu.github.io/project/BrushEditGitHub仓库：https://github.com/TencentARC/BrushEditHuggingFace模型库：https://huggingface.co/TencentARC/BrushEditarXiv技术论文：https://arxiv.org/pdf/2412.10316BrushEdit的应用场景内容创作与编辑：艺术家和设计师进行创意图像编辑，快速实现复杂的视觉效果和艺术创作。媒体和娱乐：在电影和视频制作中，修复老旧或损坏的影像资料，或在后期制作中移除不需要的元素。广告和营销：广告制作人快速更改广告图像中的产品或背景，适应不同的营销策略。社交媒体：用户在社交媒体上分享编辑过的图片，如节日装饰、虚拟试穿服装等。电子商务：电商平台编辑产品图片，如更换产品背景、调整产品颜色或添加促销标签。
上一篇
