高效高分辨率图像编辑：幻觉感知损失与自适应分块
计算机视觉与模式识别
2025-10-09 v1 人工智能
机器学习
摘要
高分辨率（4K）图像到图像合成对于移动应用变得越来越重要。现有的用于图像编辑的扩散模型在部署于资源受限设备时，在内存和图像质量方面面临重大挑战。在本文中，我们提出了MobilePicasso，一个能够在高分辨率下实现高效图像编辑的新型系统，同时最小化计算成本和内存使用。MobilePicasso包含三个阶段：（i）以幻觉感知损失在标准分辨率下进行图像编辑，（ii）应用潜在投影以避免进入像素空间，以及（iii）通过自适应上下文保持分块将编辑后的图像潜在表示上采样至更高分辨率。我们对46名参与者的用户研究表明，MobilePicasso不仅将图像质量提升了18-48%，而且将幻觉现象减少了14-51%。MobilePicasso展现出显著更低的延迟，例如高达55.8倍的加速，但运行时内存仅有小幅增加，例如相比先前工作仅增加9%。令人惊讶的是，MobilePicasso的设备端运行速度甚至比在A100 GPU上运行的基于服务器的高分辨率图像编辑模型更快。
引用
@article{arxiv.2510.06295,
title = {Efficient High-Resolution Image Editing with Hallucination-Aware Loss and Adaptive Tiling},
author = {Young D. Kwon and Abhinav Mehrotra and Malcolm Chadwick and Alberto Gil Ramos and Sourav Bhattacharya},
journal= {arXiv preprint arXiv:2510.06295},
year = {2025}
}
备注
Preprint. Under review