利用引导扩散模型编辑真实图像的感知相似性引导与文本引导优化
计算机视觉与模式识别
2023-12-13 v1
摘要
当使用扩散模型进行图像编辑时，有时修改后的图像可能与源图像差异很大。为了解决这个问题，我们应用了一种双重引导方法，以在未改变的区域保持对原始图像的高保真度。首先，我们采用文本引导优化，使用文本嵌入来引导潜空间和无分类器引导。其次，我们使用感知相似性引导，在逆向过程中通过 Tweedie 公式进行后验采样来优化潜向量。该方法确保了编辑元素的逼真渲染，同时保留了原始图像中未编辑的部分。
引用
@article{arxiv.2312.06680,
title = {Perceptual Similarity guidance and text guidance optimization for Editing Real Images using Guided Diffusion Models},
author = {Ruichen Zhang},
journal= {arXiv preprint arXiv:2312.06680},
year = {2023}
}