Insert Anything:开源图片编辑框架,可以换脸、换服装等功能

Insert Anything 介绍

Insert Anything 是一个由浙江大学、哈佛大学和南洋理工大学联合提出的统一图像插入框架,可以将参考图像中的对象无缝集成到目标场景中,支持多种实际应用场景,如艺术创作、逼真的脸部交换、电影场景构图、虚拟服装试穿、配饰定制和数字道具更换。

Insert Anything:开源图片编辑框架,可以换脸、换服装等功能.webp

Insert Anything技术原理

1. AnyInsertion 数据集

  • 规模与内容:该框架基于一个包含 12 万个提示-图像对的 AnyInsertion 数据集,涵盖了人物、物体和服装插入等多种任务。

  • 多控制模式:数据集支持两种控制模式,即掩码提示(58K 对)和文本提示(101K 对),为模型提供了丰富的训练样本。

2. Diffusion Transformer (DiT)

  • 多模态注意力机制:Insert Anything 利用 DiT 的多模态注意力机制,支持掩码和文本引导的编辑。该机制通过图像分支和文本分支分别处理视觉输入和文本描述,然后通过多模态注意力融合这些信息。

  • 图像分支:处理参考图像、源图像和掩码,提取视觉特征并与噪声拼接。

  • 文本分支:编码文本描述以提供语义引导。

3. 上下文编辑机制

  • 双联画与三联画提示策略:

  • 掩码提示双联画:左侧为参考图像,右侧为带有掩码的目标图像。

  • 文本提示三联画:左侧为参考图像,中间为源图像,右侧为文本生成的结果。

  • 功能:该机制将参考图像视为上下文信息,通过隐式交互确保插入元素与目标场景的视觉一致性,同时保留其独特特征。

优势

  • 通用性:单一模型能够处理多种插入任务,避免了为每个任务单独训练模型。

  • 灵活性:支持掩码和文本两种控制模式,满足不同用户的编辑需求。

  • 视觉一致性:通过上下文编辑机制,确保插入元素与目标场景自然融合。

Insert Anything应用场景

  • 艺术创作:将艺术元素无缝插入到不同的背景中。

  • 商业广告:将产品图像插入到广告场景中。

  • 流行文化创作:将流行文化元素插入到相关场景中。

项目链接

项目主页:https://song-wensong.github.io/insert-anything/

论文:https://arxiv.org/abs/2504.15009

Github:https://github.com/song-wensong/insert-anything

收藏
最新工具
Inscribed.app
Inscribed.app

一款由 Excalidraw ​提供支持的基于幻灯片的快速创意草...

FMHY
FMHY

自称是互联网上最大的免费资源集合平台,提供影视、音乐、游戏、书籍...

岁羽视频智能
岁羽视频智能

一款基于AI技术的在线视频处理工具,提供包括视频去字幕、视频去水...

腾讯广告妙思
腾讯广告妙思

一站式AI广告创意平台,基于腾讯自研的混元大模型开发,并集成了A...

PixMiller
PixMiller

一款极速高效的在线AI抠图工具,能让用户轻松从任何图片中移除或更...

SharkFoto
SharkFoto

一个提供背景移除、抠图、图片上色、画质增强、格式转换、裁剪调整等...

CleanShot X
CleanShot X

一款为Mac设计的强大截图和屏幕录制工具,具备快速访问、智能标注...

Klavis AI
Klavis AI

一个专注于简化MCP的使用和集成的开源平台,它通过提供多平台客户...

MotionShot
MotionShot

一款轻松制作互动式的产品、SOP 等屏幕指南、教程和演示的工具,...

提示词优化器
提示词优化器

一键优化提示词并支持多轮迭代改进测试的AI提示词优化工具,能帮助...