LayerEditor 結合指令編輯與 RGBA 圖層生成

研究在做什麼

高品質影像編輯需要在修改目標區域的同時保留無關區域的內容。現有的編輯模型通常輸出扁平化的結果，限制了精確的局部操作與圖層重用；而分解方法則通常將圖層恢復與指令驅動的編輯分開優化。京東（jingdong）研究團隊提出 LayerEditor，這是一個統一框架，將指令引導的影像編輯與可重用 RGBA 圖層的可控生成結合在一起。 Hugging Face 每日精選論文

方法

該框架的核心技術是 In-Context RGB-Alpha Token Modeling（將編輯後的畫布與有序的 RGB-Alpha 圖層序列表示在同一個 token 序列中），從而實現語義編輯與對個別圖層內容的明確控制。為了在適應圖層輸出時保留預訓練模型的編輯能力，研究團隊提出了Compositional Edit-Prior Distillation（組合式編輯先驗蒸餾），將編輯先驗轉移到編輯後的畫布以及由預測圖層合成的影像上。此外，團隊構建了 LayerEditor-100K 資料集，這是一個包含有序 RGBA 圖層標註的大規模成對影像編輯資料集，並引入了專門的圖層編輯基準測試。 Hugging Face 每日精選論文

結果

實驗結果顯示，LayerEditor 在生成準確 RGBA 圖層的同時，維持了強大的編輯保真度。該方法支持靈活的圖層級操作以及多圖層分解。 Hugging Face 每日精選論文

程式碼與資料

本站 2026-10-25 整理（資料來自 Hugging Face 論文頁與 GitHub，由程式查詢，不經模型撰寫）：

• 研究機構（Hugging Face 標示）：jingdong
• 程式碼：論文頁沒有列出公開的程式碼
• 模型與資料集：Hugging Face 上沒有連結到這篇論文的公開模型或資料集