HierEdit：面向高分辨率编辑的区域感知层次扩散框架
计算机视觉与模式识别
2026-05-19 v1
摘要
高分辨率图像编辑对专业和创意应用至关重要，但现有多模态扩散式编辑器在计算效率和分辨率方面存在不足。当前方法冗余处理整个图像画布，或依赖大规模高分辨率数据集，导致训练和推理成本高昂。我们提出HierEdit，一种面向高效可扩展高分辨率图像编辑的区域感知层次扩散框架。该方法首先在低分辨率代理上进行编辑，使用现成的编辑模型生成参考结果并局部化修改区域。随后，一个层次局部窗口扩散模型（Local-Window MMDiT）仅在原高分辨率图像中编辑区域内进行细化，同时将未修改区域作为条件输入重用。低分辨率代理进一步提供结构性指导和中间去噪监督（推理加速），确保全局语义一致且生成稳定，无需进行全分辨率注意力计算。这种有针对性的层次设计使图像可达4K分辨率的快速高保真编辑成为可能，无需任何专业的高分辨率训练数据。广泛的实验表明，HierEdit在商品分辨率数据集上实现了具竞争力的视觉质量，同时显著加速推理，并能无缝扩展至4K超高分辨率编辑。
引用
@article{arxiv.2605.17294,
title = {HierEdit: Region-Aware Hierarchical Diffusion for Efficient High-Resolution Editing},
author = {Yuyao Zhang and Alexander Huang-Menders and Yu-Wing Tai},
journal= {arXiv preprint arXiv:2605.17294},
year = {2026}
}