上交大提出ICRDrag：首個上下文區域拖拽模型，精準可控圖像編輯

還在用 DragGAN、DragDiffusion 拖拽修圖？點選拖拽容易變形、邊界割裂、細節丟失的時代落幕了！ECCV 2026 ICRDrag 首創上下文區域拖拽模型，用掩碼精準定位局部區域，移動、縮放、變形全都絲滑自然，兼顧精準度與畫面真實感。

• Paper: https://arxiv.org/pdf/2606.25907
• GitHub: https://github.com/bcmi/ICRDrag-Region-Drag-Editing
• Demo: https://drag.ustcnewly.com/

效果展示

先看編輯效果，每一組圖像左邊藍色掩碼是源區域，右邊紅色掩碼是目標區域。拖拽編輯旨在把源區域拖拽到目標區域，其他區域除了必要的跟隨性改動 (比如嘴巴動了，下巴也要跟著動) 之外，細節盡量保持不變。可以看出 ICRDrag 對于各種類型圖片的姿態和形狀調整都能輕松拿捏。

下面視頻是 demo 展示，用戶可以用不同顏色畫出多對源區域和目標區域 (目前最多支持 5 對)，把多個源區域拖拽到對應的目標區域。如果其他區域出現了不想要的改動，可以在其他區域增加類似錨點的源區域和目標區域，鎖定其他區域。

體驗鏈接：
https://drag.ustcnewly.com/

直擊痛點

傳統拖拽修圖，到底有多難用？玩過 AI 拖拽編輯的朋友一定踩過這些坑：

• 基于單點拖拽：主流點拖拽模型比如 DragGAN, DragDiffusion 僅靠少量點對控制畫面。點對信息模糊，AI 經常猜不透你的想法。點越少歧義越大，想要精準調整物體形態基本靠碰運氣，很難嚴格對齊目標位置。
• 現有區域拖拽：后來出現的 RegionDrag, DragFlow 等模型改用掩碼控制區域，但缺陷依舊明顯：物體拖拽后邊緣斷層，和背景融合生硬；復雜的形狀姿態調整完全 hold 不住。

上下文區域拖拽

本次 ECCV2026 提出的 ICRDrag（In-Context Region-based Drag）全新解法：上下文區域拖拽，真正實現「選啥改啥」。

• 上下文學習框架：基于 DiT 上下文學習框架，一次性輸入原圖、源區域掩碼、目標區域掩碼，直接輸出編輯完成的圖片，從底層解決拖拽編輯的控制難題。
• 圖像 - 掩碼注意力一致性約束：目標圖像在借鑒原圖信息時，注意力分布必須和目標掩碼匹配源掩碼的分布保持一致。AI 不再割裂看圖片和選區，生成畫面嚴格貼合掩碼劃定的空間輪廓。
• 源 - 目標雙向注意力對應約束：目標物體看向原圖對應區域，原圖區域也反向關注目標物體，建立編輯前后物體的對應關系。
• 圖片 / 掩碼專屬模態 LoRA：圖像富含紋理細節，掩碼僅存儲空間輪廓，二者的性質差別很大。ICRDrag 為圖像、掩碼分支使用獨立 LoRA。
• 分階段課程式訓練：現實使用中，用戶勾勒的掩碼往往比較粗糙。模型采用兩階段漸進式訓練：第一階段用完整語義掩碼訓練，讓模型學會區域變換邏輯；第二階段用稀疏不完整掩碼訓練，隨機膨脹模擬手繪粗糙選區，大幅提升模型容錯率。哪怕掩碼畫得潦草，AI 依舊能精準理解你的編輯意圖。

區域拖拽大規模數據集

為了訓練 ICRDrag 模型，該工作基于百萬級視頻數據集 OpenVid，打造了首個大規模區域拖拽數據集 PRD (Paired Region Dataset)，補齊領域空白：

• 訓練集：28.7 萬組「原圖 + 源掩碼 + 目標圖 + 目標掩碼」配對樣本，如下圖所示。下圖中，左欄是原圖、源掩碼、從源掩碼采樣的部分區域，右欄是目標圖、目標掩碼、從目標掩碼采樣的部分區域。
• 評測基準 PRDBench：1000 組人工校驗高質量樣本，同時標注掩碼 + 關鍵點，可公平對比點拖拽、區域拖拽兩類模型。

應用場景

圖像拖拽編輯覆蓋多個落地場景，是廣大設計師和攝影愛好者的福音。

• 人像修圖：框選人臉、四肢，隨意調整身材比例、姿態、五官位置，不變形不失真；
• 靜物 / 產品設計：拖拽商品調整擺放位置、縮放大小，無需重繪光影；
• 場景構圖優化：移動畫面中人物、花草、建筑，自動填充背景，畫面無縫融合；
• 創意設計：自由扭曲物體輪廓，實現復雜創意形變，告別生硬拼接。

實驗室簡介

ICRDrag 出自上海交通大學牛力實驗室。該實驗室近幾年主要工作集中在圖像生成和編輯領域，代表性子領域是圖像合成 / 物體插入 (image composition/object insertion) 和少樣本圖像生成 (few-shot image generation)，也涉獵過圖像填充、圖像分層、風格遷移、拖拽編輯等其他子領域。近兩年在關注生成模型的后訓練和理解生成一體化模型。