ReFlex：基于中期特征提取和注意力适应的文本引导的实时图像编辑
计算机视觉与模式识别
2025-07-03 v1
摘要
定向流文本到图像模型在图像质量和文本对齐方面优于扩散模型，但将 ReFlow 应用于实时图像编辑仍面临挑战。我们提出了一种新的 ReFlow 实时图像编辑方法，通过分析多模态变换器块的中间表示并识别三个关键特征来实现。为了从实时图像中提取这些特征并保持足够的结构保留，我们利用中期潜在特征，仅反演到中期步骤。我们然后在注入期间适应注意力机制，以提高可编辑性并增强与目标文本的对齐。该方法无需训练，无需用户提供掩码，即使没有源提示也可应用。针对两个基准测试与九个基线方法进行了广泛实验，证明了其优于先前方法的优越性能，并通过人类评估确认了用户对我们方法的强烈偏好。
引用
@article{arxiv.2507.01496,
title = {ReFlex: Text-Guided Editing of Real Images in Rectified Flow via Mid-Step Feature Extraction and Attention Adaptation},
author = {Jimyeong Kim and Jungwon Park and Yeji Song and Nojun Kwak and Wonjong Rhee},
journal= {arXiv preprint arXiv:2507.01496},
year = {2025}
}
备注
Published at ICCV 2025. Project page: https://wlaud1001.github.io/ReFlex/