FreqEdit：用于稳健多轮图像编辑的保持高频特征
计算机视觉与模式识别
2026-03-24 v2
摘要
基于自然语言的指令图像编辑已成为直观视觉操作的强大范例。虽然最近的模型在单次编辑上取得了令人印象深刻的结果，但在多轮编辑下会出现严重的质量下降。通过系统性分析，我们识别出高频信息的渐进性丢失是导致这种质量下降的主要原因。我们提出了 FreqEdit，一个无需训练的框架，可实现 10 多次连续编辑中的稳定编辑。我们的方法包括三个协同组件：（1）从参考速度场注入高频特征以保留细粒细节，（2）一种自适应注入策略，用于在空间上调制注入强度以实现精确的区域特定控制，（3）一种路径补偿机制，用于定期重新校准编辑轨迹以防止过度约束。广泛的实验表明，FreqEdit 在身份保留和指令跟随方面均优于七个最新基线方法。
引用
@article{arxiv.2512.01755,
title = {FreqEdit: Preserving High-Frequency Features for Robust Multi-Turn Image Editing},
author = {Yucheng Liao and Jiajun Liang and Kaiqian Cui and Baoquan Zhao and Haoran Xie and Wei Liu and Qing Li and Xudong Mao},
journal= {arXiv preprint arXiv:2512.01755},
year = {2026}
}