CVPR 2025 | EmoEdit：情感可编辑？深大VCC带你见证魔法！

主要观点总结

本文介绍了深圳大学可视计算研究中心黄惠教授课题组完成的EmoEdit研究，该研究提出了一种基于内容感知的图像情感编辑框架EmoEdit，能够只需输入情感类别就能在用户图像上实现多样化的情感编辑。文章介绍了EmoEdit的研究背景、目标、方法、数据集构建、实验结果及未来展望。

关键观点总结

关键观点1: 研究背景与意义

随着心理学研究表明视觉刺激是情感唤起的重要来源之一，图像情感编辑（AIM）成为值得探索的问题。EmoEdit研究的提出旨在通过编辑图像有效引导观众的情感。

关键观点2: 主要贡献

本文提出了EmoEdit，一种基于内容感知的AIM框架，实现了多样化的情感编辑。构建了首个大规模AIM数据集EmoEditSet，并设计了即插即用的情感增强模块Emotion Adapter，提升了扩散模型的情感感知能力。

关键观点3: EmoEditSet构建方法

EmoEditSet的构建涉及在CLIP空间中对情感图片聚类，利用GPT-4V总结共性语义，并从多个来源收集源图像，利用IP2P和情感因素树生成目标图像。

关键观点4: Emotion Adapter设计

Emotion Adapter旨在提高情感感知能力，结合情感词典、目标情感和输入图像，生成最合适的情感嵌入。通过扩散损失和指令损失共同优化网络。

关键观点5: 实验结果

EmoEdit在对比实验和消融实验中表现出优异性能，在定量评估中的大多数指标上优于对比方法。Emotion Adapter显著增强了其他模型的情感表达能力，并适用于图像编辑和风格图像生成。