FlowDC：基于流的解耦-衰减用于复杂图像编辑
计算机视觉与模式识别
2025-12-15 v1
摘要
随着预训练文本到图像流匹配模型的涌现，文本驱动的图像编辑性能取得了显著提升，尤其是针对仅包含单一编辑目标的简单编辑。为满足不断增长的编辑需求，包含多个编辑目标的复杂编辑已成为更具挑战性的任务。然而，当前的复杂编辑解决方案——单轮编辑和多轮编辑——分别受限于长文本跟随和累积性不一致，难以在语义对齐与源图像一致性之间取得平衡。本文提出了 FlowDC，将复杂编辑解耦为多个子编辑效果，并在编辑过程中并行叠加。同时，我们发现与编辑位移正交的速度量会损害源结构保持，因此我们分解速度并衰减正交部分以实现更好的源一致性。为评估复杂编辑设置的有效性，我们构建了复杂编辑基准：Complex-PIE-Bench。在两个基准上，FlowDC 显示出优于现有方法的优异结果。我们还详细阐述了模块设计的各类消融实验。
引用
@article{arxiv.2512.11395,
title = {FlowDC: Flow-Based Decoupling-Decay for Complex Image Editing},
author = {Yilei Jiang and Zhen Wang and Yanghao Wang and Jun Yu and Yueting Zhuang and Jun Xiao and Long Chen},
journal= {arXiv preprint arXiv:2512.11395},
year = {2025}
}