【CVPR2025】基于组合表示移植的图像编辑方法

文章预览

来源：专知 本文 约1000字 ，建议阅读 5 分钟 实验结果表明，使用 CoLan 进行增强的方法在 编辑有效性与图像一致性保留 方面均达到了当前最优性能。 扩散模型（Diffusion Models）被广泛应用于图像编辑任务中。现有的编辑方法通常通过在文本嵌入空间或得分（score）空间中构建某种编辑方向，来设计特征操作流程。然而，这类方法面临一个关键挑战： 编辑强度设置不当会影响最终效果 ——过强会破坏图像的一致性，过弱则无法实现预期编辑。此外，每张源图像可能需要不同的编辑强度，而通过反复试验寻找合适强度代价高昂。 为解决这一问题，我们提出了  Concept Lancet（CoLan） ，一个 零样本、即插即用 的扩散式图像编辑框架，能够以原理性方式对表示空间进行操作。在推理阶段，我们将源图像在潜在空间（包括文本嵌入或扩散得分空间）中分解为 ………………………………