TweezeEdit：基于路径正则化的一致且高效图像编辑

大规模预训练扩散模型使用户能够通过文本指导编辑图像。然而，现有方法常常过度对齐目标提示，而在保存源图像语义方面不足。此类方法会从源图像的 inversion noise 中显式或隐式地生成目标图像，称为 inversion anchors。我们识别出这一策略对于语义保留和效率来说是次佳的。我们提出 TweezeEdit，一个无需调优和 inversion-free 的用于 consistent and efficient image editing 的框架。我们的方法通过正则化整个去噪路径而非仅依赖 inversion anchors 来解决这些限制，确保源语义保留并缩短编辑路径。我们通过 gradient-driven regularization 将目标提示语义沿直接路径高效注入，并使用 consistency model。广泛的实验表明 TweezeEdit 在语义保留和目标对齐方面表现优于现有方法。值得注意的是，它仅需 12 步（每项编辑 1.6 秒），凸显其在实时应用中的潜力。