PANDORA：零样本目标去除的像素级注意力溶解和潜在指导

由于难以在保持背景完整性的同时合成语义连贯的内容，因此从自然图像中删除对象具有挑战性。现有方法通常依赖于 微调、即时工程或推理时间优化，但仍然存在纹理不一致、刚性伪像、前景-背景解缠不力以及多对象去除的可扩展性差等问题。我们提出了一种新颖的零样本对象删除框架，即 PANDORA，它直接在预先训练的文本到图像扩散模型上运行，不需要 微调、提示或优化。我们提出逐像素注意溶解（Pixel-wise Attention Dissolution），通过消除屏蔽像素最相关的注意键来删除对象，有效地从自注意流中消除对象，并允许背景上下文主导重建。我们进一步引入局部注意力解缠指导，将去噪引导至有利于干净对象去除的潜在流形。这些组件共同实现了一次精确、非刚性、无提示且可扩展的多对象擦除。实验证明与最先进的方法相比，具有卓越的视觉保真度和语义可信度。该项目页面位于 https://vdkhoi20.github.io/PANDORA。