TweezeEdit：基于路径正则化的一致且高效图像编辑
计算机视觉与模式识别
2026-01-28 v1
摘要
大规模预训练扩散模型使用户能够通过文本引导编辑图像。然而，现有方法常在目标提示下过度对齐，而不充分保留源图像语义。此类方法会从源图像的 inversion noise 中显式或隐式地生成目标图像，称为 inversion anchors。我们认识到，这一策略对语义保留不够理想，效率也低下，因编辑路径过长。我们提出 TweezeEdit，一个无需调参和无需 inversion 的一致且高效图像编辑框架。我们通过正则化整个 denoising 路径，而非仅依赖 inversion anchors，以确保源语义保留并缩短编辑路径。基于梯度驱动的正则化，我们高效地沿着直接路径注入目标提示语义，利用一致性模型。广泛实验表明，TweezeEdit 在语义保留和目标对齐方面表现优异，超过现有方法。值得注意的是，它仅需 12 步（每编辑 1.6 秒），凸显其在实时应用中的潜力。
引用
@article{arxiv.2508.10498,
title = {TweezeEdit: Consistent and Efficient Image Editing with Path Regularization},
author = {Jianda Mao and Kaibo Wang and Yang Xiang and Kani Chen},
journal= {arXiv preprint arXiv:2508.10498},
year = {2026}
}