Add-it：英偉達推出無需訓練的智能圖像編輯工具，實現一鍵式創作與靈活調整

Add-it是什么

Add-it是NVIDIA推出的一項創新圖像編輯技術，無需任何訓練即可根據文本指令在圖像中添加對象。這項技術依托于擴展的擴散模型注意力機制，巧妙整合了場景圖像、文本提示和生成圖像的信息，確保實現結構的一致性和對象的自然放置。Add-it在真實和生成圖像的插入基準測試中表現卓越，優于傳統的監督學習方法，并且在超過80%的案例中更受用戶青睞。

Add-it的主要功能

• 對象插入：能夠根據文本指令，毫無縫隙地將新對象融入圖像中。
• 保持結構一致性：在添加新對象的同時，確保原始場景的結構不變。
• 自然融合效果：確保新添加的對象與現有場景完美融合，視覺上協調一致。
• 無需訓練過程：不需要針對特定任務的微調或訓練，使用起來更加便捷。
• 卓越的性能表現：在多個基準測試中，Add-it取得了領先的結果，包括新構建的“Additing Affordance Benchmark”。
• 逐步圖像生成：通過逐步生成圖像，使最終結果更好地符合用戶在每一步的偏好。
• 非真實感圖像處理能力：支持處理非真實感圖像，如卡通風格或藝術風格的圖像。

Add-it的技術原理

• 結構轉移技術：將源圖像的結構特征注入目標圖像，以保持場景的一致性。
• 擴展自注意力機制：利用擴展的自注意力機制，使目標圖像能夠從文本提示和源圖像中提取關鍵信息，并進行加權處理，以實現更精確的對象放置。
• 主題引導的潛在混合：采用主題引導的潛在混合技術，保留源圖像的細膩細節，如紋理和陰影，確保新對象的自然融合。
• 加權擴展注意力機制：基于加權機制，保證在整合信息時，不同來源的信息得到適當重視，從而實現更加自然的對象放置。
• 無需額外訓練：通過預訓練的擴散模型，無需額外的訓練步驟即可實現高質量的圖像編輯。

Add-it的項目地址

• 項目官網：research.nvidia.com/labs/par/addit
• GitHub倉庫：https://github.com/NVlabs/addit
• arXiv技術論文：https://arxiv.org/pdf/2411.07232

Add-it的應用場景

• 廣告與營銷：在廣告圖像中添加產品或品牌元素，以創造更具吸引力的廣告素材。
• 內容創作：藝術家和設計師能夠迅速將構思中的對象或場景融入現有藝術作品中。
• 電影與游戲制作：在電影或游戲的背景中添加虛擬角色或物體，增強視覺效果。
• 新聞媒體：在新聞報道中，能夠添加或替換圖像中的特定元素。
• 社交媒體：用戶可以在社交媒體上分享的圖片中添加文本描述的對象，以增加互動性和趣味性。

常見問題

• Add-it是否需要特定的訓練？不需要，Add-it使用預訓練模型，無需額外訓練。
• 我可以在任何類型的圖像上使用Add-it嗎？是的，Add-it支持處理各種風格的圖像，包括非真實感圖像。
• 使用Add-it是否復雜？Add-it設計簡潔，用戶只需提供文本指令，即可輕松完成圖像編輯。
• Add-it的性能如何？在多項基準測試中，Add-it的表現優于傳統監督學習方法。