移动多实例编辑流匹配的中断点
计算机视觉与模式识别
2026-02-11 v2
摘要
流匹配模型最近作为扩散模型的高效替代方案，尤其在文本导引图像生成和编辑方面，通过连续时间动力学实现更快的推理。然而，现有的基于流的编辑器主要支持全局或单指令编辑，难以处理多实例场景，即多个输入部分需独立编辑且不产生语义干扰。我们识别出这一局限性源于全局条件化速度场和联合注意力机制，这些机制将并发编辑 entangled 在一起。为解决此问题，我们引入了Instance-Disentangled Attention，即分区联合注意力操作，确保实例特定的文本指令与空间区域在速度场估计期间发生绑定。我们在自然图像编辑和一个新引入的含文本密集信息图的基准测试上评估了该方法。实验结果表明，我们的方法促进了编辑的解耦和局部性，同时保持全局输出的连贯性，实现单次、实例级别的编辑。
引用
@article{arxiv.2602.08749,
title = {Shifting the Breaking Point of Flow Matching for Multi-Instance Editing},
author = {Carmine Zaccagnino and Fabio Quattrini and Enis Simsar and Marta Tintoré Gazulla and Rita Cucchiara and Alessio Tonioni and Silvia Cascianelli},
journal= {arXiv preprint arXiv:2602.08749},
year = {2026}
}