Photoswap 是一种新方法，以无需训练的方式通过使用预训练的扩散模型，将参考图像中的视觉概念换到目标图像中，从而实现在现有图像中个性化地更换主题，具有良好的控制性能和应用潜力。

May, 2023

本文介绍了一种使用语义点对应的视频主体替换框架，通过选择性地使用少量语义点对应来对齐主体的运动轨迹和修改其形状，以实现视频编辑中的形状变化。在现实世界的多种视频中，我们进行了广泛的实验，展示了最先进的视频主体替换结果。

Dec, 2023

一种名为 Place-Anything 的新颖且高效的系统，通过仅基于目标物体或元素的图片或文本描述实现将任何物体插入任何视频，提供了一种有效的解决方案来生成和编辑高质量的视频。

Feb, 2024

提出了一种高效的面部交换框架，称为 Simple Swap (SimSwap)，具有泛化和高保真度。通过使用 ID Injection Module (IIM) 将源面的身份信息传输到目标面，并通过提出的 Weak Feature Matching Loss 实现对特征的匹配，以实现属性的保留。在野外面部图像上的广泛实验表明，我们的 SimSwap 能够实现与先前最先进方法相同的身份性能，同时更好地保留属性。

Jun, 2021

利用可接受的交换采样技术，本研究结合机器学习系统和文本描述生成具有新颖性和惊喜的组合对象图像，通过交换文本嵌入的列向量来构建新的组合图像，并使用适当的 CLIP 距离管理可接受的区域，最终选择最有潜力的对象图像。

Oct, 2023

提出了 SwapText 框架，它是通过三个阶段来实现场景图像中文本交换的，包括用于替换前景图像标签的新型文本交换网络、学习用于重建背景图像的背景完成网络和使用生成的前景图像和背景图像来生成单词图像的融合网络。在几个场景文本数据集上展示了定性和定量结果，并进行了广泛的实验以证明我们的方法的有用性，如基于图像的文本翻译、文本图像合成等。

Mar, 2020

本文提出了 Anything-3D 框架，采用了一系列视觉语言模型和 Segment-Anything 对象分割模型来实现从单个 RGB 图像到 3D 重建的任务，并通过实验验证了其有效性和可靠性。

Apr, 2023

提出了一种适用于现实视频模拟的通用框架，该框架通过整合真实对象、估计天空和环境光照分布、以及使用风格转移网络来实现几何真实性、光照真实性和照片真实性的增强，从而有效且经济地获得高质量的视频。

Jan, 2024

通过一种名为 SwapMix 的简单有效的扰动技术，我们发现可代表性 VQA 模型的问题答案可以被改变超过 45％。此外，我们还发现模型的上下文依赖性高度取决于视觉表征的质量，并且 SwapMix 可以作为数据增强策略应用于训练中以调整上下文依赖性。

Apr, 2022

本文提出了一种名为 StyleSwap 的简洁而有效的框架，将基于风格的生成器用于高保真和强大的人脸交换，可通过优化标识相似性来实现生成器的优势，并提出了 Swapping-Driven Mask Branch 和 Swapping-Guided ID Inversion 策略来进一步改进信息混合，实验证明本框架可产生高质量的人脸交换结果，优于现有最先进方法。

Sep, 2022