FlowEdit：基于预训练流模型的无 Inversion 文本编辑
计算机视觉与模式识别
2025-07-23 v2 机器学习
摘要
使用预训练的文本到图像扩散/流模型编辑真实图像通常涉及将图像反向映射到其对应的噪声图。然而，仅靠反向映射通常不足以获得令人满意的结果，因此许多方法会额外干预采样过程。这些方法实现了改进的结果，但并非在模型架构之间无缝可移植。本文介绍了 FlowEdit，这是一种用于预训练 T2I 流模型的文本编辑方法，该方法无 Inversion、无优化且对模型架构无关。我们的方法构建了一个直接映射源分布和目标分布之间的 ODE（对应源和目标文本提示），并实现比 Inversion 方法更低的传输成本。这导致我们展示出在 Stable Diffusion 3 和 FLUX 上的 state-of-the-art 结果。代码和示例可在项目网页上获取。
关键词
引用
@article{arxiv.2412.08629,
title = {FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models},
author = {Vladimir Kulikov and Matan Kleiner and Inbar Huberman-Spiegelglas and Tomer Michaeli},
journal= {arXiv preprint arXiv:2412.08629},
year = {2025}
}
备注
ICCV 2025. Project's webpage at https://matankleiner.github.io/flowedit/