FlowAlign：轨迹正则化的无反演流图像编辑
计算机视觉与模式识别
2025-07-29 v4 人工智能
机器学习
摘要
近期如 FlowEdit 等无反演流图像编辑方法利用预训练的噪声到图像流模型（如 Stable Diffusion 3），通过求解常微分方程 (ODE) 实现文本驱动的图像操控。尽管缺乏精确的潜空间反演是这些方法的核心优势，但这通常会导致编辑轨迹不稳定以及源图像一致性较差。为了解决这一局限性，我们提出了 FlowAlign，一种基于最优控制轨迹控制的、用于一致图像编辑的新型无反演流框架。具体而言，FlowAlign 将端点处的源相似性作为正则化项引入，以在编辑过程中促进更平滑、更一致的轨迹。值得注意的是，我们的端点正则化被证明可以显式地平衡轨迹上与编辑提示的语义对齐以及与源图像的结构一致性。此外，FlowAlign 通过简单反转 ODE 轨迹自然地支持反向编辑，突显了该变换的可逆性与一致性。大量实验表明，FlowAlign 在源图像保持和编辑可控性方面均优于现有方法。
引用
@article{arxiv.2505.23145,
title = {FlowAlign: Trajectory-Regularized, Inversion-Free Flow-based Image Editing},
author = {Jeongsol Kim and Yeobin Hong and Jonghyun Park and Jong Chul Ye},
journal= {arXiv preprint arXiv:2505.23145},
year = {2025}
}