PixPerfect：基于判别像素空间精细化的无缝潜在扩散局部编辑

潜在扩散模型（LDM）显著ly 推进了图像填充和局部编辑的质量。然而，固有的潜在压缩常会引入像素级不一致，如色偏、纹理错位以及编辑边界的可见接缝。现有的补救措施，包括基于背景的潜在解码和像素空间的和谐化，通常无法在实践中完全消除这些伪影，也不一定在不同的潜在表示或任务之间良好地推广。我们引入 PixPerfect，一个像素级精细化框架，为 diverse LDM 架构和任务提供无缝、高保真度的局部编辑。PixPerfect 利用 (i) 一种可微分的判别性像素空间，以放大和抑制细微的颜色和纹理差异；(ii) 综合的伪影模拟管道，在训练期间将模型暴露于真实的局部编辑伪影；(iii) 直接的像素空间精细化方案，确保其在 diverse 潜在表示和任务上的广泛适用性。在填充、物体移除和插入基准测试上的大量实验表明，PixPerfect 在感知保真度和下游编辑性能方面显著提升，确立了稳健且高保真度局部图像编辑的新标准。