AIEdiT: Affective Image Editing Shaping Emotional Factors via Text Descriptions

北京大学 + 等，2025。

核心结论

• 提出 AIEdiT（Affective Image Editing using Text descriptions），通过文本描述自适应地塑造全图多个情感因子来唤起特定情感。
• 三大组件：(1) 连续情感谱 (Continuous Emotional Spectrum) 表示通用情感先验；(2) 情感映射器 (Emotional Mapper) 将视觉抽象的情感请求翻译为视觉具体的语义表示；(3) MLLM 监督 确保编辑结果唤起目标情感。
• 推理时策略性地扭曲视觉元素，再塑造相应情感因子。
• 引入大规模情感对齐数据集（文本-图像对）。

关键方法

1. 连续情感谱：将情感表示为连续空间（vs 离散类别），提取细腻的情感需求
2. 情感映射器：桥接”抽象情感需求 → 具体视觉元素”的语义鸿沟
3. MLLM 监督训练：用多模态大模型作为情感忠实度的评判标准
4. 编辑策略：先扭曲 → 再塑形，分两阶段操控视觉元素和情感因子

与现有 Wiki 的关系

• 关联：情感计算与图像生成
• 连续情感谱设计与 EmotiCrafter 的 V-A 空间思路相近但路径不同
• MLLM 监督训练与 EmoEdit 的人工审核 + 自动指标形成互补
• 延续了作者之前 AIF (Affective Image Filter, ICCV 2023) 的工作线

后续问题

• 连续情感谱与 V-A 模型的关系是什么？是否兼容？
• MLLM 作为情感监督的可靠性如何量化？