基于先验分布的点编辑：受分布约束的文本条件图像编辑

扩散基点编辑方法因其能够通过对噪声潜在空间上的局部扰动来操控图像语义和细节而在图像编辑任务中获得了显著关注。但这些方法面临若干局限性。传统的基于点的编辑依赖于句柄点和目标点的配对来定义运动轨迹，这可能引入歧义或不必要的修改。此外，当句柄点与目标点之间的距离较大时，累积的扰动常常导致噪声潜在偏离逆向得分轨迹，产生不自然的痕迹。为解决全局编辑任务中的这些问题，我们引入一个基于 CLIP 的模型来评估和引导中间编辑步骤，确保生成结果在语义上保持一致。此外，我们提出一种先验保留损失，将优化后的潜在代码约束在扩散先验的采样空间内，以提高与原始数据分布的一致性，确保模型沿着熟悉的得分轨迹生成图像。对于细粒度任务，我们提出一种方向加权点跟踪机制，将编辑过程引导至类似特征区域内的目标方向。这一做法提高了跟踪精度和生成质量，同时缩短了编辑时间。