AffectDelta：超越图像编辑的情感标签

情感驱动的图像编辑旨在通过修改源图像中与情感相关的视觉线索来唤起特定的目标情感，同时保留原始场景的整体构图和语义结构连贯性。现有的场景级编辑器通常使用单一情感类别来指定目标，并且经常从操作级文本指令中学习视觉转换。一个类别将混合的情感终点分解为一个主导标签，而语言无法精确量化共存的情绪应该如何增加、减少或保持稳定。我们引入了 AffectDelta，一个源感知编辑器，它将编辑视为八维情感分布之间的过渡。冻结的情绪分布预测器估计源状态，并且带符号的源到目标差异对所请求的转换的方向和幅度进行编码。在 AffectDelta 中，内部转换编码器和源感知扩散主干联合将此信号转换为上下文相关的语义和外观变化。为了训练这个公式，我们构建了 AffectPair-249K，其中包含 248,841 个源-目标对，具有预测的八维分布，涵盖跨类别和类别内转换。针对六个基线的实验，将定量评估与定性比较相结合，证明了情感一致性和内容保存的改进，而消融则验证了我们的设计选择。代码和数据集将在接受后公开发布。