自定义概念交换(CCS)的最新进展使文本对图像模型可以在源图像中与自定义目标概念交换概念。但是,现有方法仍然面临着一致性和效率低下的挑战。他们努力在交换概念交换期间保持一致性,尤其是当形状不同的物体之间的形状不同时。此外,他们要么重新检查时间耗尽的训练过程,要么涉及推理期间的重新计算。为了解决这些问题,我们介绍了一种新的CCS方法,旨在以速度处理急剧的形状差异。具体来说,我们首先根据注意图分析在源图像中提取对象的bbox,并利用Bbox获得前景和背景固定。对于背景一致性,我们在交换过程中删除了Bbox外部的差异,以便背景不受修改。前景