核心发现
方法论
Paint-Anything通过对象级颜色监督学习共享hex提示接口。数据管道将真实图像转化为Paint-500K数据集，结合纯色锚点在高噪声时间步进行训练。引入Any Color Benchmark (ACBench)评估颜色保真度。
关键结果
- 在FLUX.2-4B上，Paint-Anything在ACBench-T2I和ACBench-Edit上分别提高了85.3%和28.3%。
- 在CompColor基准测试中，Paint-Anything在所有比较方法中获得了最高的平均分。
- 消融实验表明纯色锚点对学习可靠的像素级颜色控制至关重要。
研究意义
该研究为图像生成和编辑提供了统一的颜色控制接口，解决了以往方法中颜色表示专用性和推理过程复杂的问题。其方法可广泛应用于需要精确颜色控制的专业设计领域。
技术贡献
Paint-Anything通过共享hex提示接口和对象级颜色监督，实现了生成和编辑任务的统一。与现有方法不同，它不依赖专用颜色表示或推理过程，显著提高了颜色保真度。
新颖性
首次实现了通过24位hex值进行对象级颜色控制的统一接口，突破了以往方法中颜色生成、编辑和着色分离的问题。
局限性
- 模型在特定光照条件下的颜色保真度可能下降，因为真实图像中的阴影会影响颜色标签的准确性。
- 当前训练数据不包括特定调色板的监督。
未来方向
未来工作可扩展到更多颜色控制任务，并加入特定调色板的监督，以提高模型在不同应用场景中的适用性。
AI 总览摘要
在专业设计中，颜色控制是关键需求，然而现有方法往往依赖专用颜色表示或复杂的推理过程。Paint-Anything通过共享hex提示接口解决了这一问题，实现了图像生成和编辑的任意颜色控制。
该方法通过对象级颜色监督学习，将真实图像转化为Paint-500K数据集，并在高噪声时间步使用纯色锚点进行训练。引入的Any Color Benchmark (ACBench)评估了颜色保真度，结果显示在FLUX.2-4B上，Paint-Anything在ACBench-T2I和ACBench-Edit上分别提高了85.3%和28.3%。
尽管模型在特定光照条件下的颜色保真度可能下降，但其统一的颜色控制接口为专业设计领域提供了新的可能性。未来工作可扩展到更多颜色控制任务，并加入特定调色板的监督。
深度分析
研究背景
在计算机视觉领域，颜色控制一直是图像生成和编辑中的重要问题。传统方法通常依赖于专用的颜色表示或复杂的推理过程，这限制了其在不同任务中的应用。随着大模型的发展，尤其是语言模型的进步，提供了新的可能性。
核心问题
现有方法在颜色控制上存在专用性强、难以扩展的问题。专业设计需要能够精确指定对象颜色的能力，而不仅仅是简单的颜色描述。
核心创新
Paint-Anything通过共享hex提示接口实现了图像生成和编辑的任意颜色控制。它通过对象级颜色监督学习，结合纯色锚点在高噪声时间步进行训练，显著提高了颜色保真度。
方法详解
- �� 使用对象级颜色监督学习共享hex提示接口。
- �� 数据管道将真实图像转化为Paint-500K数据集。
- �� 在高噪声时间步使用纯色锚点进行训练。
- �� 引入Any Color Benchmark (ACBench)评估颜色保真度。
实验设计
实验使用FLUX.2-4B模型进行，评估了ACBench-T2I和ACBench-Edit的颜色保真度。消融实验验证了纯色锚点在学习可靠的像素级颜色控制中的重要性。
结果分析
在FLUX.2-4B上，Paint-Anything在ACBench-T2I和ACBench-Edit上分别提高了85.3%和28.3%。在CompColor基准测试中，Paint-Anything获得了最高的平均分。
应用场景
该方法可广泛应用于需要精确颜色控制的专业设计领域，如品牌设计、产品图像生成等。
局限与展望
模型在特定光照条件下的颜色保真度可能下降，因为真实图像中的阴影会影响颜色标签的准确性。未来工作可扩展到更多颜色控制任务，并加入特定调色板的监督。
通俗解读 非专业人士也能看懂
想象你在画一幅画，你希望每个物体都有特定的颜色。传统方法就像需要你用不同的颜料盒来混合颜色，而Paint-Anything就像一个万能调色板，你只需输入颜色代码，它就能自动为你调出所需颜色。这样，你可以更专注于创作，而不必担心颜色不对。
简单解释 像给14岁少年讲一样
嘿，小伙伴！想象你在玩一个游戏，你可以用代码来改变角色的颜色。Paint-Anything就像一个超级工具，只要你输入颜色代码，它就能帮你把角色的颜色变成你想要的样子！是不是很酷？这样你就可以随心所欲地设计你的游戏角色啦！
术语表
Hex值 (十六进制值)
一种用六位十六进制数表示颜色的方法，常用于网页设计。
在论文中用于指定目标颜色。
对象级颜色监督
一种通过标记对象颜色来训练模型的方法。
用于学习共享hex提示接口。
纯色锚点
在高噪声时间步使用的纯色图像样本，用于提供清晰的颜色参考。
用于提高颜色保真度。
ACBench (任意颜色基准)
用于评估生成和编辑任务中颜色保真度的基准测试。
用于验证模型性能。
FLUX.2-4B
一种用于图像生成和编辑的深度学习模型。
作为实验的基础模型。
开放问题 这项研究留下的未解疑问
- 1 如何在不同光照条件下保持颜色保真度？现有方法在阴影下表现不佳，需要更鲁棒的颜色标签方法。
- 2 如何在不增加计算成本的情况下扩展到更多颜色控制任务？
应用场景
近期应用
品牌设计
设计师可以使用Paint-Anything为品牌创建具有特定颜色的标志和图像，确保颜色一致性。
远期愿景
自动化设计工具
未来，Paint-Anything可以集成到自动化设计工具中，帮助用户快速生成符合特定颜色要求的设计作品。
原文摘要
Professional design requires any-color control: the ability to specify an object's target color with any 24-bit hex value for image generation and editing. Prior work has explored color generation, editing, and colorization, but often relies on dedicated color representations or specialized inference procedures. Advances in large language models offer a simpler starting point: even compact models can associate hex values with color semantics. We present Paint-Anything, which learns a shared hex-prompt interface for generation and editing through object-level color supervision. We develop a data pipeline that constructs Paint-500K from real images through object grounding, perceptual color labeling, and editing-pair synthesis. Since shadows make real-image labels only approximate colors, we complement this supervision with pure-color anchors whose pixels exactly match their paired hex values. These anchors are used only at high-noise timesteps, leaving low-noise training to natural images. We further introduce Any Color Benchmark (ACBench), comprising ACBench-T2I and ACBench-Edit, to measure object-level hex color fidelity across both tasks. On FLUX.2-4B, Paint-Anything improves ACBench-T2I and ACBench-Edit scores by 85.3% and 28.3%, respectively, relative to the base model, with ablations supporting the training recipe. It also achieves the highest average CompColor score among the compared methods.