微软发布 LensErase:一键擦除任何物体的基础模型
microsoft · hf · 2026-10-15
微软发布 LensErase,一个基于掩码的通用「擦除一切」基础模型,支持多种物体、视觉文本、水印、视觉特效、多物体移除,并覆盖不同尺度、长宽比与分辨率的图像。
技术要点:
- 构建了 LensErase-100M 大规模数据集,含 1.01 亿组「源图-掩码-目标图」配对样本
- 基于文生图模型 Lens 预训练,把生成先验迁移到掩码擦除任务
- 提出 Mask-Aware RoPE(3D 旋转位置编码),直接把掩码信息注入源图 token,无需额外掩码 token 序列
- 通过监督微调 + 契约引导的区域感知奖励强化学习精调,推理时用 TraceFusion 保住编辑区外内容的高保真度
在六个公开基准及自提出的 LensErase-Bench 上,基于参考的客观指标与无参考的 VLM 评估均取得显著提升。
「多模态」频道最新
- 110页综述系统梳理自回归视频生成的记忆机制全景 — jiqizhixin · 2026-10-15
- 浙大等提出 ATAS 框架,用世界状态记忆让长视频生成跨镜头保持一致 — zju · 2026-10-15
- 为 AI 音乐系统写「催眠钢琴律动」skill:借鉴 Todd Terje 曲目的九原则方法论 — doodlestein · 2026-10-15
- AI 生成游戏 Acorn Rally 上线月球与沼泽两条新赛道 — AIandDesign · 2026-10-15
- MCP for Blender 一年半冲上 30.9K star,Claude 可直接建模调材质 — sidahuj · 2026-10-15
- Runway CEO 眼神回应:Runway 抢在 DeepMind 前实现世界模型理论 — c_valenzuelab · 2026-10-15