基于视觉上下文集成与概念对齐的无训练图像编辑
计算机视觉与模式识别
2026-04-07 v1
摘要
在图像编辑中，纳入上下文图像以传达用户的具体要求（如主体外观或图像风格）至关重要。现有的基于训练的视觉上下文感知编辑方法需要数据收集工作并承担训练成本。另一方面，基于扩散反转的无训练方法通常在一致性和灵活性方面受限。本文提出VicoEdit，一种无需训练且无需反转的将视觉上下文注入预训练文本驱动编辑模型的方法。具体而言，VicoEdit直接基于视觉上下文将源图像转换为目标图像，从而消除可能导致轨迹偏离的反转需求。此外，我们设计了一种基于概念对齐引导的后验采样方法，以提高编辑一致性。实证结果表明，我们的无训练方法甚至优于最先进的基于训练的模型。
引用
@article{arxiv.2604.04487,
title = {Training-Free Image Editing with Visual Context Integration and Concept Alignment},
author = {Rui Song and Guo-Hua Wang and Qing-Guo Chen and Weihua Luo and Tongda Xu and Zhening Liu and Yan Wang and Zehong Lin and Jun Zhang},
journal= {arXiv preprint arXiv:2604.04487},
year = {2026}
}