SwiftEdit：基于一步扩散的极速文本引导图像编辑
计算机视觉与模式识别
2025-06-03 v4
摘要
近期文本引导图像编辑的进展使用户能够通过简单的文本输入执行图像编辑，利用多步扩散文本到图像模型的广泛先验。然而，由于涉及昂贵的多步反演和采样过程，这些方法通常无法满足实际应用和设备上应用的速度需求。为此，我们提出了 SwiftEdit，一个简单但高效的编辑工具，可实现即时文本引导图像编辑（0.23 秒）。SwiftEdit 的进步在于其两项新颖贡献：一个一步反演框架，通过反演实现一步图像重建；以及一种掩码引导编辑技术，结合我们提出的注意力重缩放机制来执行局部图像编辑。提供了大量实验来证明 SwiftEdit 的有效性和效率。特别是，SwiftEdit 实现了即时文本引导图像编辑，比之前的多步方法快至少 50 倍，同时在编辑结果上保持了具有竞争力的性能。我们的项目页面位于：https://swift-edit.github.io/
引用
@article{arxiv.2412.04301,
title = {SwiftEdit: Lightning Fast Text-Guided Image Editing via One-Step Diffusion},
author = {Trong-Tung Nguyen and Quang Nguyen and Khoi Nguyen and Anh Tran and Cuong Pham},
journal= {arXiv preprint arXiv:2412.04301},
year = {2025}
}
备注
17 pages, 15 figures