AnyDoor 是一種基於擴散的圖像生成器，可以在用戶指定的位置將目標對象以和諧的方式傳送到新場景中。我們的模型只需要訓練一次，就可以輕鬆推廣到不同的對象和場景組合中，無需為每個對象調整參數。為了充分描述某個特定對象，我們除了使用常用的身份特徵外，還補充了細節特徵，這些特徵經過精心設計，既能保持紋理細節，又能允許多樣的局部變化（如光照、方向、姿勢等），從而使對象與不同的環境更好地融合。我們還提出從視頻數據集中借用知識的方法，在視頻數據集中可以觀察到同一對象的各種形態（沿時間軸），從而增強模型的泛化能力和魯棒性。大量實驗證明了我們方法的優越性，以及它在虛擬試穿和物體移動等實際應用中的巨大潛力。