212-A1.2｜图像反演与编辑，文本引导编辑；定制化过拟合问题，语义水平概念擦除；图像物体抹除；视觉文本生成与编辑系列｜Tue

文章预览

AIGC   Research 主编｜ 庄才林（Cailin Zhuang） 技术支持｜胡耀淇（Yaoqi Hu） Topic: Image Generation｜Editing｜Inversion and Editing, Prompt-based Editing Semantic Image Inversion and Editing using Rectified Stochastic Differential Equations 2024-10-14｜Google, UT Austin ｜⭐️ http://arxiv.org/abs/2410.10792v1 概述 本研究提出了一种基于矩形随机微分方程的图像反演与编辑方法，旨在解决生成模型中的两个关键任务：图像反演和图像编辑。尽管扩散模型（DMs）在图像生成领域已取得显著进展，但其反演过程面临着忠实度和可编辑性的问题。现有的DM反演方法通常依赖于额外的参数训练或潜在变量的测试时优化，这在实际应用中成本较高。为此，本文提出了一种新的矩形流（RF）反演方法，利用动态最优控制理论，通过线性二次调节器（LQR）推导出相应的随机微分方程。该方法在零样本反演和编辑任务中 ………………………………