语义粒度导航在图像编辑中的应用
计算机视觉与模式识别
2026-05-26 v2
摘要
尽管扩散模型和流模型在生成能力方面取得了显著进展，实图像编辑仍然面临语义可编辑性与结构保真性之间的持续权衡。我们追溯到这一局限性的根本原因在于现有方法范式中，编辑进度与模型规模存在隐式耦合。在这种耦合下，较强的编辑通常需要访问更嘈杂的状态，这会在语义变化被良好局部化之前，耗费计算资源来扰乱布局。我们引入了 NaviEdit，这是一个训练自由的推理时控制器，通过严格的自我一致性协议将编辑进度与模型规模遍历解耦。NaviEdit 在 rollout 级别运行，且无需修改底层预训练模型。它将规模视为控制输入，将固定的步骤预算重新分配给对语义更敏感的中间规模，而不是消耗性的高噪声区域。实验表明，在兼容的编辑器和流模型 Backbone 之间，本方法实现了正向平均提升，支持将解耦作为一种可移植的推理时控制原则。
引用
@article{arxiv.2605.21190,
title = {Semantic Granularity Navigation in Image Editing},
author = {Liangsi Lu and Minzhe Guo and Xuhang Chen and Yang Shi},
journal= {arXiv preprint arXiv:2605.21190},
year = {2026}
}
备注
Accepted by ICML 2026