上交大提出ICRDrag上下文区域拖拽模型实现精准图像编辑

还在依赖DragGAN、DragDiffusion这类通过点选拖拽进行修图的方式？坦白说，那套方法的实际体验并不理想——稍微拖拽一下，变形、边界割裂、细节丢失的问题就会纷纷暴露出来。如今，这项技术已被全面超越。ECCV 2026上亮相的ICRDrag，核心思路是“上下文区域拖拽”——借助掩码精准锁定局部区域，让移动、缩放、形变都变得流畅自然，同时兼顾精准度与画面真实感。

效果展示

来看实际表现。每组图像中，左侧蓝色掩码为源区域，右侧红色掩码为目标区域。拖拽编辑的核心任务，就是将源区域迁移至目标区域，其他区域除必要的跟随性调整（例如嘴巴移动后，下巴自然随之变动）外，细节尽量保持不变。从测试结果看，ICRDrag对各种类型图片的姿态和形状调整，确实能够轻松胜任。

下方的演示视频展示了更灵活的操作：用户可用不同颜色绘制多对源区域和目标区域（目前最多支持5对），一次性将多个源区域拖拽至对应位置。若其他区域出现不期望的改动，只需在其他区域增加类似锚点的源区域和目标区域，即可锁定其他区域保持不变。整个操作逻辑非常直观易懂。

直击痛点

传统拖拽修图究竟存在哪些痛点？几乎每一位尝试过AI拖拽编辑的用户都曾遭遇以下困扰：

基于单点拖拽： 主流点拖拽模型（如DragGAN、DragDiffusion）仅依赖少量点对控制画面。点对信息过于模糊，AI经常难以准确理解用户意图。点越少，歧义越大。想要精准调整物体形态基本靠运气，很难严格对齐目标位置。
现有区域拖拽： 随后出现的RegionDrag、DragFlow等模型改用掩码控制区域，但缺陷仍然明显——物体拖拽后边缘容易断层，与背景融合生硬；面对复杂的形状姿态调整，效果完全无法令人满意。

上下文区域拖拽

本次ECCV 2026提出的ICRDrag（In-Context Region-based Drag）给出了全新解决方案：上下文区域拖拽，真正做到了“指定何处，修改何处”。

上下文学习框架： 基于DiT上下文学习框架，一次性输入原图、源区域掩码、目标区域掩码，直接输出编辑完成的图片。从根本上解决了拖拽编辑中的控制难题。
图像-掩码注意力一致性约束： 目标图像在借鉴原图信息时，注意力分布必须与目标掩码匹配源掩码的分布保持一致。AI不再孤立地看待图像与掩码，生成画面严格贴合掩码划定的空间轮廓。
源-目标双向注意力对应约束： 目标物体看向原图对应区域，原图区域也反向关注目标物体，建立了编辑前后物体的对应关系。
图片/掩码专属模态LoRA： 图像富含纹理细节，掩码仅存储空间轮廓，二者性质差异显著。ICRDrag为图像、掩码分支使用独立LoRA，各自专注于擅长的信息处理。
分阶段课程式训练： 实际使用中，用户勾勒的掩码往往比较粗糙。模型采用两阶段渐进式训练：第一阶段用完整语义掩码训练，让模型学会区域变换逻辑；第二阶段用稀疏不完整掩码训练，随机膨胀模拟手绘粗糙选区，显著提升了模型的容错能力。即便用户绘制的掩码比较粗略，AI依旧能精准理解编辑意图。

区域拖拽大规模数据集

为了训练ICRDrag模型，该工作基于百万级视频数据集OpenVid，打造了首个大规模区域拖拽数据集PRD (Paired Region Dataset)，填补了该领域的数据空白：

训练集

28.7万组“原图+源掩码+目标图+目标掩码”配对训练样本。左栏是原图、源掩码、从源掩码采样的部分区域，右栏是目标图、目标掩码、从目标掩码采样的部分区域。

评测基准PRDBench

1000组人工校验的高质量样本，同时标注掩码和关键点，能够公平比较点拖拽、区域拖拽两类模型。

应用场景

图像拖拽编辑覆盖多个落地场景，为设计师和摄影爱好者提供了极大便利。

人像修图： 框选人脸或四肢，随意调整身材比例、姿态、五官位置，无变形、无失真。
静物/产品设计： 拖拽商品调整摆放位置、缩放大小，无需重新绘制光影效果。
场景构图优化： 移动画面中的人物、花草、建筑，自动填充背景，实现画面无缝融合。
创意设计： 自由扭曲物体外形，实现复杂创意形变，摆脱生硬的拼接痕迹。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：上交大提出ICRDrag上下文区域拖拽模型实现精准图像编辑要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题