可逆逆变技术用于无训练示例引导图像编辑
计算机视觉与模式识别
2026-05-26 v4
摘要
示例引导图像编辑（Exemplar-guided Image Editing, EIE）旨在根据视觉参考图像修改源图像。现有方法通常需要大规模预训练来学习源图像与参考图像之间的关系，造成高计算成本。作为训练-free 的替代方案，逆变技术可用于将源图像映射到潜在空间进行操控。然而，我们的经验研究表明，标准逆变对 EIE 效果次优，导致质量差且效率低下。为解决此挑战，我们提出了用于有效且高效 EIE 的可逆逆变技术（Reversible Inversion, ReInversion）。具体而言，ReInversion 作为一个两阶段去噪过程，首先以源图像为条件，随后以参考图像为条件。此外，我们引入基于掩码的选择性去噪（Mask-Guided Selective Denoising, MSD）策略，以约束编辑仅限于目标区域，保持背景结构一致性。定性和定量比较均表明，我们的 ReInversion 方法以最低的计算开销实现了 EIE 的最新性能。
引用
@article{arxiv.2512.01382,
title = {Reversible Inversion for Training-Free Exemplar-guided Image Editing},
author = {Yuke Li and Lianli Gao and Ji Zhang and Pengpeng Zeng and Lichuan Xiang and Hongkai Wen and Heng Tao Shen and Jingkuan Song},
journal= {arXiv preprint arXiv:2512.01382},
year = {2026}
}