Alterbute: Edición de Atributos Intrínsecos de Objetos en Imágenes

Alterbute: Editing Intrinsic Attributes of Objects in Images

January 15, 2026

Autores: Tal Reiss, Daniel Winter, Matan Cohen, Alex Rav-Acha, Yael Pritch, Ariel Shamir, Yedid Hoshen

cs.AI

Resumen

Presentamos Alterbute, un método basado en difusión para editar los atributos intrínsecos de un objeto en una imagen. Permitimos modificar el color, la textura, el material e incluso la forma de un objeto, preservando al mismo tiempo su identidad percibida y el contexto de la escena. Los enfoques existentes se basan en priors no supervisados que a menudo no logran preservar la identidad, o utilizan una supervisión excesivamente restrictiva que impide variaciones intrínsecas significativas. Nuestro método se basa en: (i) un objetivo de entrenamiento relajado que permite al modelo cambiar tanto los atributos intrínsecos como los extrínsecos condicionado por una imagen de referencia de identidad, un *prompt* textual que describe los atributos intrínsecos objetivo, y una imagen de fondo y una máscara de objeto que definen el contexto extrínseco. En la inferencia, restringimos los cambios extrínsecos reutilizando el fondo original y la máscara del objeto, garantizando así que solo se alteren los atributos intrínsecos deseados; (ii) Entidades Nombradas Visuales (VNE, por sus siglas en inglés): categorías de identidad visual de grano fino (por ejemplo, "Porsche 911 Carrera") que agrupan objetos que comparten características definitorias de la identidad, permitiendo al mismo tiempo variación en los atributos intrínsecos. Utilizamos un modelo de visión y lenguaje para extraer automáticamente etiquetas VNE y descripciones de atributos intrínsecos de un gran conjunto de datos de imágenes públicas, lo que permite una supervisión escalable y que preserva la identidad. Alterbute supera a los métodos existentes en la edición de atributos intrínsecos de objetos con preservación de la identidad.

English

We introduce Alterbute, a diffusion-based method for editing an object's intrinsic attributes in an image. We allow changing color, texture, material, and even the shape of an object, while preserving its perceived identity and scene context. Existing approaches either rely on unsupervised priors that often fail to preserve identity or use overly restrictive supervision that prevents meaningful intrinsic variations. Our method relies on: (i) a relaxed training objective that allows the model to change both intrinsic and extrinsic attributes conditioned on an identity reference image, a textual prompt describing the target intrinsic attributes, and a background image and object mask defining the extrinsic context. At inference, we restrict extrinsic changes by reusing the original background and object mask, thereby ensuring that only the desired intrinsic attributes are altered; (ii) Visual Named Entities (VNEs) - fine-grained visual identity categories (e.g., ''Porsche 911 Carrera'') that group objects sharing identity-defining features while allowing variation in intrinsic attributes. We use a vision-language model to automatically extract VNE labels and intrinsic attribute descriptions from a large public image dataset, enabling scalable, identity-preserving supervision. Alterbute outperforms existing methods on identity-preserving object intrinsic attribute editing.