ObjectMover 是一项发表于 CVPR 2025 的研究，由香港大学与 Adobe Research 联合提出。其核心目标是解决图像中物体移动的复杂挑战，包括光照协调、视角调整、遮挡区域填充、阴影与反射同步等，同时保持物体身份一致性。传统方法难以处理这些综合问题，因此研究团队提出利用视频生成模型的先验知识，通过序列到序列建模实现物体运动的真实感生成。
核心创新点
- 视频先验迁移
将物体移动视为两帧视频的特殊案例，利用预训练视频生成模型（如扩散模型）对跨帧一致性的学习能力。通过微调模型，将其从视频生成任务迁移到图像编辑任务。 - 序列到序列建模
将物体移动任务重构为序列预测问题，输入包括原始图像、目标物体图像、指令图（标注移动位置与方向），输出为物体移动后的合成图像。 - 合成数据集构建
针对缺乏大规模物体移动真实数据的问题，使用现代游戏引擎（如虚幻引擎）生成高质量合成数据对，涵盖复杂光照、材质和遮挡场景，增强模型训练的多样性。 - 多任务学习策略
结合物体移动、移除、插入及视频数据插入四个子任务，通过统一框架在合成数据与真实视频数据上训练，提升模型对真实场景的泛化能力。
方法框架
- 模型架构
- 主任务（移动）：输入图像、物体图像、指令图，通过扩散 Transformer 生成目标帧，融合时间步、位置、任务嵌入。
- 子任务（移除 / 插入）：类似主任务，调整输入条件以实现特定编辑目标。
- 视频数据插入：扩展至视频序列，确保跨帧一致性。
- 技术细节
- 采用高斯噪声扰动和扩散模型逐步去噪，生成高保真图像。
- 通过多任务学习优化模型对不同编辑任务的适应性。
实验与结果
- 合成数据验证：在自建游戏引擎数据集上验证模型处理极端光照、材质和遮挡的能力。
- 真实场景泛化：通过多任务学习，模型在真实图像编辑中表现出鲁棒性，例如准确补全遮挡区域、同步阴影效果。
- 消融实验：验证视频先验、合成数据及多任务学习的必要性，证明各组件对性能的提升作用。
应用价值
ObjectMover 为图像编辑提供了突破性解决方案，可广泛应用于影视后期、虚拟现实、广告设计等领域，实现高效且真实的物体位置调整。其基于视频模型的迁移学习策略为解决其他图像生成任务（如修复、风格化）提供了新思路。
研究团队与开源
- 作者：Xin Yu（香港大学）、Tianyu Wang（Adobe Research）等。
- 开源计划：网页未明确提及代码开源，但提供了论文链接（待补充），未来可能通过 GitHub 或其他平台发布。
总结：ObjectMover 通过视频先验与序列建模的结合，成功解决了图像中物体移动的复杂挑战，为生成式图像编辑树立了新标杆。其创新方法在数据合成与多任务学习方面的突破，对计算机视觉领域具有重要参考价值。
📢 免责声明 | 工具使用提醒
1️⃣ 本文内容基于发布时已知信息整理，AI技术及工具更新频繁，请以官方最新说明为准。
2️⃣ 推荐工具经过基础筛选，但未进行深度安全验证，请自行评估适用性及风险。
3️⃣ 使用第三方AI工具时，请注意数据隐私保护，避免上传敏感信息。
4️⃣ 本网站不承担因工具误用、技术故障或内容偏差导致的直接/间接损失。
5️⃣ 部分工具可能涉及付费订阅，请理性决策，本站不含任何投资建议。