ResetEdit：通过可重置起始潜在向量实现文本导向的生成图像精确编辑
计算机视觉与模式识别
2026-04-29 v1
摘要
近期扩散模型的进展已实现高质量图像生成，导致对后生成编辑的需求日益增长，这类编辑需要修改局部区域同时保持全局结构。实现这种灵活且精确的编辑需要高质量的起始点——一种潜在表示既提供对多样化修改所需的自由度，也提供对细粒度、区域特定控制所需的精确度。然而，现有的基于反转的方法，如 DDIM 反转，往往产生令人不满意的起始潜在向量，导致编辑保真度下降和结构不一致。理想情况下，最合适的编辑锚点应是生成过程中使用的原始潜在向量，因为它本质上捕获了场景的结构和语义。然而，由于巨大的存储和检索成本，不可行地为每张生成图像存储该潜在向量。为解决此挑战，我们提出了 ResetEdit，一种主动的扩散编辑框架，将可恢复的潜在信息直接嵌入生成过程中。通过将干净潜在向量与扩散潜在向量之间的差异注入扩散轨迹，并在反转期间提取它，ResetEdit 重建了一个接近真实起始状态的可重置潜在向量。此外，一个轻量级潜在优化模块补偿 VAE 非对称性所致的重建偏差。基于 Stable Diffusion，ResetEdit 无缝集成到现有的无调谐编辑方法中，在可控性和视觉保真度方面 consistently 优于最先进的基线。
引用
@article{arxiv.2604.25128,
title = {ResetEdit: Precise Text-guided Editing of Generated Image via Resettable Starting Latent},
author = {Hanyi Wang and Han Fang and Zheng Wang and Shilin Wang and Ee-Chien Chang},
journal= {arXiv preprint arXiv:2604.25128},
year = {2026}
}