HiFi-Inpaint手持物体编辑比例是否合理？

之前有测试其他 editing 模型，输入模特和物体两张图片编辑的情况下往往手持物体的大小相较真实场景极其不合理（例如瓶子比模特人脸还大），请问文章针对这个问题有一些解决方案吗？