双调度反演：无需训练与调参的真实图像编辑反演
计算机视觉与模式识别
2024-12-17 v1
摘要
文本条件图像编辑是一项实用的AIGC任务，近期涌现出巨大的商业和学术价值。对于真实图像编辑，大多数基于扩散模型的方法在编辑前使用DDIM反演作为第一阶段。然而，DDIM反演常常导致重建失败，从而导致下游编辑性能不佳。为解决此问题，我们首先分析了通过DDIM反演进行重建失败的原因。随后，我们提出了一种新的反演与采样方法——双调度反演。我们还设计了一个分类器，以自适应地将双调度反演与不同编辑方法结合，实现用户友好的图像编辑。我们的工作可以实现优越的重建和编辑性能，具有以下优势：1）无需微调即可完美重建真实图像，其可逆性在数学上得到保证。2）编辑后的对象/场景符合文本提示的语义。3）对象/场景的未编辑部分保留原始身份。
引用
@article{arxiv.2412.11152,
title = {Dual-Schedule Inversion: Training- and Tuning-Free Inversion for Real Image Editing},
author = {Jiancheng Huang and Yi Huang and Jianzhuang Liu and Donghao Zhou and Yifan Liu and Shifeng Chen},
journal= {arXiv preprint arXiv:2412.11152},
year = {2024}
}