PredErase：带有预测潜在指导的 无需训练 对象和效果去除

移除对象与填充其蒙版不同。投射阴影和接触阴影通常位于用户提供的实例蒙版 M_obj 之外，因此仅编辑该蒙版的冻结填充模型会在附近表面上留下对象的光度足迹。受监督的清除者从成对的干净盘子中学习这种联合擦除。 无需训练 编辑器冻结预训练权重，但大多数编辑器仍将 M_obj 视为整个可编辑支持，并使用无法预测遮挡场景的 CLIP 或 DINO 能量引导采样。我们提出了 PredErase，这是一个针对冻结的 FLUX.2 和 I-JEPA 的 无需训练 推理程序。该方法将 Fill 可能重写像素的位置与应占据孔洞的结构分开。 M_obj 的接触带扩展 M_flux 暴露了支撑平面上的局部残差。 I-JEPA，经过预训练以进行屏蔽标记预测，在表示空间中提供上下文条件的空洞目标；稀疏投影梯度将解码的填充完成与实例内的目标对齐，而打包支持之外的坐标保持锁定。在 RemovalBench、RORD-Val 和 DEFACTO-Val 上的仅实例掩码下，PredErase 改进了本机 FLUX.2 主干。受监督的去除剂在几个全图像外观指标上仍然更强；支持的声明是 无需训练 冻结填充的对象和效果编辑，而不是替换配对数据橡皮擦。