GeoEdit: 用于扩散模型中快速无训练的流形编辑的局部坐标系
机器学习
2026-04-28 v1
摘要
扩散模型是数据生成的领先范式，但无训练编辑通常需要针对每个编辑强度重新运行完整的去噪轨迹，使迭代细化变得昂贵。为此，我们改为编辑靠近数据流形的区域，在此处，小的局部更新可取代重复的合成。为实现这一点，我们直接从扰动样本估计局部流形切线空间，并证明该基于样本的估计器与真实切线密切近似。基于这一保证，我们设计了一个无Jacobian的方法，通过初始噪声的小扰动构建切线框架，并交替进行小切向移动和基于扩散的投影。该框架内的更新遵循原则上的流形方向，同时抑制离流形漂移，实现无需完全重新扩散或额外训练的精细编辑。编辑强度通过控制步骤数实现快速、连续的调整，同时保持保真度并可集成到现有采样器中。经验上，结果得到的切向方向产生平滑的、无监督的遍历，并有效地实现CLIP引导的优化，证明了实际交互式连续编辑的实用性。
引用
@article{arxiv.2604.24238,
title = {GeoEdit: Local Frames for Fast, Training-Free On-Manifold Editing in Diffusion Models},
author = {Yiming Zhang and Sitong Liu and Ke Li and Zhihong Wu and Alex Cloninger and Melvin Leok},
journal= {arXiv preprint arXiv:2604.24238},
year = {2026}
}