CARE-Edit：条件感知专家路由用于上下文图像编辑
计算机视觉与模式识别
2026-03-10 v1
摘要
统一扩散编辑器常依赖固定的、共享的主干网络来处理多样化任务，导致任务干扰且难以适应异构需求（例如局部与全局、语义与光学）。特别是，流行的 ControlNet 和 OmniControl 变体通过静态拼接或加法适配器将多个条件信号（如文本、掩码、参考图）组合在一起，无法动态优先或抑制冲突的模态，导致出现如掩码边界颜色漂移、身份或风格漂移以及在多条件输入下行为不可预测等问题。为此，我们提出条件感知专家路由（CARE-Edit），以特定编辑能力对齐模型计算。其核心是一个轻量级的潜在注意力路由器，根据多模态条件和扩散时间步为编码的扩散标记分配四个专用专家——文本、掩码、参考图和基础——（i）一个掩码重绘模块首先细化粗糙的用户定义掩码以实现精确的空间指导；（ii）路由器应用稀疏 top-K 选择动态分配计算到最相关的专家；（iii）一个潜在混合模块随后融合专家输出，连同语义、空间和风格信息一起融合到基础图像中。实验验证了 CARE-Edit 在上下文编辑任务上的卓越性能，包括擦除、替换、文本驱动编辑和风格迁移。实证分析进一步揭示了专用专家的任务特定行为，展示了动态、条件感知处理在缓解多条件冲突方面的重要性。
引用
@article{arxiv.2603.08589,
title = {CARE-Edit: Condition-Aware Routing of Experts for Contextual Image Editing},
author = {Yucheng Wang and Zedong Wang and Yuetong Wu and Yue Ma and Dan Xu},
journal= {arXiv preprint arXiv:2603.08589},
year = {2026}
}
备注
Accepted by CVPR 2026. Project page: https://care-edit.github.io/