要融入，首先解耦：重新思考通过上下文解耦表示生成迷彩图像

迷彩图像生成 (CIG) 专注于生成视觉上隐藏的物体，这些物体无缝地融入背景。现有的方法通常遵循通过风格迁移调整对象外观的背景引导范例，或根据对象特征覆盖周围区域的前景引导策略。然而，它们仍然存在外观差异和背景伪影的问题。我们将这些限制归因于跨上下文表示泄漏，其中对象和背景线索纠缠在耦合的条件空间中，导致控制模糊和伪装保真度下降。为了解决这个问题，我们提出了一种新的上下文解耦生成范式，称为 CamoDreamer，其目的是隔离上下文条件指导，并将潜在伪装特征显式解耦到协调的对象和背景控制流中。首先，对比感知上下文桥旨在模拟跨上下文差异并构建对比感知双条件指导。其次，上下文解耦同化流用于分离以双重指导为条件的生成交互，同时通过潜在空间中的目标感知线索促进背景渲染。最后，频率自适应上下文混合模块集成了来自解耦特征的互补高频纹理和低频结构，以提高整体一致性。大量实验表明，CamoDreamer 始终以大幅优势优于现有方法，同时保持相对轻量级的设计。