从中文到小语种都能无痕修改，美图影像研究院（MT Lab）提出全新场景文本编辑方案 | ICML 2026
产业动态
来源：InfoQ 中文发布时间待核实
“把这几个字改下，其它的什么都别动。”——这个需求看似简单，实则很难完成，因为经常会出现文字抠不出来、找不到字体，背景有修改痕迹等等问题，即使是专业设计师，也很难做到“看不出来改过”。 目前，基于扩散模型的图像修复实现了“无需分层文件，即可修改文字”，但文字修改只要有一点瑕疵，就容易暴露破绽，所以如何实现真正的“无痕”改字有很高的难度。 当前主流的两个方法分别是“依赖图像修补”和“依赖OCR或固定字表”的建模方式，但前者容易丢失原始文本区域关键信息，导致字体细节和风格一致性下降；后者则容易限制模型在多语言和开放词汇场景下的泛化能力。 对此，美图影像研究院（MT Lab）提出了一种面向开放词汇的自提示（Self-Prompting）场景文本编辑方案，通过直接从输入图像中提取风格信息，并结合目标文本生成高保真的字形提示，将二者与原图进行统一建模，从而实现无需额外编码器的端到端编辑。该成果近期已被机器学习领域三大顶级会议之一的ICML 2026录用。 论文链接：https://arxiv.org/abs/2605.15523项目主页：https://hongxiii.github.io/ms…