图像生成

From Inpainting to Editing: Unlocking Robust Mask-Free Visual Dubbing via Generative Bootstrapping

从修复到编辑：通过生成性自举解锁鲁棒的无掩膜视觉配音

Xu He, Haoxian Zhang, Hejia Chen, Changyuan Zheng, Liyang Chen, Songlin Tang, Jiehui Huang, Xiaoqiang Liu, Pengfei Wan, Zhiyong Wu

机构 * Tsinghua University（清华大学） ； Hong Kong University of Science（香港科学大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 图像修复 ：inpainting(title,abstract)；diffusion(abstract)；分类 cs.CV

AI总结 本文提出X-Dub框架，通过生成性自举实现无掩膜视觉配音，解决传统掩膜修复方法在时空上下文破坏和鲁棒性差的问题，提升唇形同步和视觉质量。

Comments Project Page: https://github.com/KlingAIResearch/X-Dub

From Inpainting to Layer Decomposition: Repurposing Generative Inpainting Models for Image Layer Decomposition

从修复到层分解：重新利用生成修复模型进行图像层分解

Jingxi Chen, Yixiao Zhang, Xiaoye Qian, Zongxia Li, Cornelia Fermuller, Caren Chen, Yiannis Aloimonos

机构 * University of Maryland（马里兰大学） ； Amazon（亚马逊） 纠错

专题命中 图像修复 ：inpainting(title,abstract)；diffusion(abstract)；分类 cs.CV

AI总结 本文提出利用生成修复模型进行图像层分解，通过轻量级微调和多模态上下文融合模块，实现更精确的物体移除和遮挡恢复，提升下游编辑和创意应用的可能性。

Comments Accepted by CVPR 2026