MaskFlow：精确、一致和无缝的区域图像编辑

区域图像编辑因其空间可控性而受到广泛关注。尽管基于指令和基于掩码的编辑方法可以实现强大的语义对齐，但可靠的区域控制仍然具有挑战性，其中编辑必须准确定位并自然地与保留的上下文集成。我们提出了 MaskFlow，一种用于精确定位、一致背景保留和无缝边界过渡的训练框架。 MaskFlow 将掩模合并到概率路径和流匹配目标中，协调可编辑区域内的生成与外部的源保存。所提出的软泊松去接缝模块在训练和采样期间进一步细化预测的矢量场，以改善编辑的前景与保留的背景的平滑集成。我们还引入了用于一般场景和信息图形编辑的 MaskEdit-Benchmark，其中提示描述了所需的编辑，无需本地化提示，留下蒙版来指定目标区域。对自然场景和信息图表图像的实验表明，在定量和定性评估方面均优于竞争方法。项目页面：https://reychiaro.github.io/MaskFlow