Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.02528

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2506.02528 (cs)
[提交于 2025年6月3日 ]

标题: 关系适配器:使用扩散变换学习和迁移视觉关系

标题: RelationAdapter: Learning and Transferring Visual Relation with Diffusion Transformers

Authors:Yan Gong, Yiren Song, Yicheng Li, Chenglin Li, Yin Zhang
摘要: 受大型语言模型(LLMs)上下文学习机制的启发,一种新的可泛化的基于视觉提示的图像编辑范式正在兴起。现有的单参考方法通常侧重于样式或外观调整,并且难以处理非刚性变换。为了解决这些局限性,我们提出利用源目标图像对来提取并将内容感知的编辑意图转移到新的查询图像上。为此,我们引入了RelationAdapter,这是一种轻量级模块,可以使基于Diffusion Transformer (DiT) 的模型有效地捕获和应用来自最小样本的视觉变换。我们还引入了Relation252K,这是一个包含218种多样化编辑任务的综合数据集,用于评估模型在基于视觉提示场景中的泛化能力和适应性。Relation252K上的实验表明,RelationAdapter显著提高了模型理解并转移编辑意图的能力,从而在生成质量和整体编辑性能方面取得了显著提升。
摘要: Inspired by the in-context learning mechanism of large language models (LLMs), a new paradigm of generalizable visual prompt-based image editing is emerging. Existing single-reference methods typically focus on style or appearance adjustments and struggle with non-rigid transformations. To address these limitations, we propose leveraging source-target image pairs to extract and transfer content-aware editing intent to novel query images. To this end, we introduce RelationAdapter, a lightweight module that enables Diffusion Transformer (DiT) based models to effectively capture and apply visual transformations from minimal examples. We also introduce Relation252K, a comprehensive dataset comprising 218 diverse editing tasks, to evaluate model generalization and adaptability in visual prompt-driven scenarios. Experiments on Relation252K show that RelationAdapter significantly improves the model's ability to understand and transfer editing intent, leading to notable gains in generation quality and overall editing performance.
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2506.02528 [cs.CV]
  (或者 arXiv:2506.02528v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.02528
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yiren Song [查看电子邮件]
[v1] 星期二, 2025 年 6 月 3 日 07:06:35 UTC (2,957 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号