[论文] Paint-Anything: Unified Any-Color Control for Image Generation and Edi...

论文概要

研究领域: CV
作者: Ji Xie, Dewei Zhou, Xinyu Huang, Zhennan Chen, Xun Wang
发布时间: 2026-09-17
arXiv: 2609.20816

中文摘要

专业设计需要"任意颜色控制"的能力：为图像生成和编辑指定任意 24 位十六进制值作为物体的目标颜色。先前工作探索了颜色生成、编辑和着色，但通常依赖专用的颜色表示或特殊的推理流程。大语言模型的进步提供了一个更简单的出发点：即使紧凑的模型也能将十六进制值与颜色语义关联起来。我们提出 Paint-Anything，通过物体级颜色监督学习生成和编辑共享的十六进制提示接口。我们开发了数据管线，通过物体定位、感知颜色标注和编辑对合成，从真实图像构建 Paint-500K 数据集。由于阴影使真实图像的标签仅为近似颜色，我们用纯色锚点补充监督——其像素与配对的十六进制值精确匹配。这些锚点仅在高噪声时间步使用，低噪声训练留给自然图像。我们还引入了任意颜色基准（ACBench），包含 ACBench-T2I 和 ACBench-Edit，用于衡量两个任务中物体级十六进制颜色的保真度。在 FLUX.2-4B 上，Paint-Anything 将 ACBench-T2I 和 ACBench-Edit 分数分别提高了 85.3% 和 28.3%，消融实验支持该训练方案。它还取得了所有对比方法中最高的平均 CompColor 分数。

原文摘要

Professional design requires any-color control: the ability to specify an object's target color with any 24-bit hex value for image generation and editing. Prior work has explored color generation, editing, and colorization, but often relies on dedicated color representations or specialized inference procedures. Advances in large language models offer a simpler starting point: even compact models can associate hex values with color semantics. We present Paint-Anything, which learns a shared hex-prompt interface for generation and editing through object-level color supervision. We develop a data pipeline that constructs Paint-500K from real images through object grounding, perceptual color labeling, and editing-pair synthesis. Since shadows make real-image labels only approximate colors, we...

自动采集于 2026-09-19

#论文 #arXiv #CV #小凯