UniEdit-Flow：在流模型时代释放逆变与编辑
计算机视觉与模式识别
2026-05-21 v2
摘要
流匹配模型已成为扩散模型的有力替代品，但专为扩散设计的现有逆变和编辑方法往往无效或不适用于它们。流模型的直线、非相交轨迹为扩散方法带来了挑战，但也为新解决方案开辟了途径。本文引入基于预测-纠正框架的逆变和编辑方法。首先，我们提出 Uni-Inv 一种针对准确重构设计的有效逆变方法。基于此，我们将延迟注入概念扩展到流模型并引入 Uni-Edit，一种区域感知、稳健的图像编辑方法。我们的 methodology 无需调参、模型无关、高效且有效，使我们能够进行多样化编辑，同时确保对编辑无关区域的强保持。广泛实验表明 Uni-Inv 和 Uni-Edit 在各种生成模型中的优越性和通用性，即使在低成本设置下也如此。项目页面: https://uniedit-flow.github.io/
引用
@article{arxiv.2504.13109,
title = {UniEdit-Flow: Unleashing Inversion and Editing in the Era of Flow Models},
author = {Guanlong Jiao and Biqing Huang and Kuan-Chieh Wang and Renjie Liao},
journal= {arXiv preprint arXiv:2504.13109},
year = {2026}
}
备注
ICLR 2026. Project Page: https://uniedit-flow.github.io/