使用耦合随机微分方程进行语义编辑
机器学习
2025-09-30 v1 计算机视觉与模式识别
机器学习
摘要
使用预训练文本到图像模型编辑图像内容仍面临挑战。现有方法常导致细节失真或引入意外制件。我们提出使用耦合随机微分方程（coupled stochastic differential equations, coupled SDEs）来指导任何预训练生成模型的采样过程，这类模型可通过求解SDE进行采样，包括扩散模型和曲线流模型。通过驱动源图像与待编辑图像使用相同的相关噪声，我们的方法引导新样本趋向于所需语义，同时保持与源图像的视觉相似性。该方法无需重新训练或额外网络，即可开箱即用，实现高保真度提示词输出并保持近像素级一致性。这些结果将耦合SDEs定位为受控生成式AI的简单而强大的工具。
引用
@article{arxiv.2509.24223,
title = {Semantic Editing with Coupled Stochastic Differential Equations},
author = {Jianxin Zhang and Clayton Scott},
journal= {arXiv preprint arXiv:2509.24223},
year = {2025}
}