论文页面 - 精炼即编辑：基于生成精炼网络的无需训练提示到提示图像编辑

来源：https://huggingface.co/papers/2609.20633

摘要

文本引导的图像编辑必须在引入所需修改的同时保留不相关的源内容。基于扩散的编辑器依赖空间控制，其不准确性可能导致编辑不完整或改变无关区域。因果自回归编辑器面临进一步限制：固定的解码顺序限制了对早期决策的修正。我们提出RefineEdit，一个基于生成精炼网络的无需训练提示到提示图像编辑框架。我们的核心思想是通过二值图像码的全局精炼将编辑定位与内容生成耦合，使得编辑证据能够随着图像的演化而重新评估。RefineEdit从中间源状态初始化编辑分支，复用已显现的布局。我们比较两个分支分配给相同源采样位的概率，使用其带符号的差异来选择可编辑位置和位。选定位遵循编辑精炼，而其余位则复制演化的源状态。为稳定跨精炼步骤的编辑，自适应空间冻结限制了不必要的掩膜扩展，同时有限位锁定保持最近选定位的可编辑性。该框架无需额外训练、外部掩膜或注意力控制。在PIE-Bench的九个编辑类别中，RefineEdit在PSNR、LPIPS、MSE和SSIM指标上取得了最佳背景保留分数，并在评估方法中获得了最高的全图像和编辑区域CLIP分数。

查看arXiv页面 (https://arxiv.org/abs/2609.20633)查看PDF (https://arxiv.org/pdf/2609.20633)GitHub7 (https://github.com/mura1n/RefineEdit)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.20633)

获取论文到您的代理：

hf papers read 2609.20633

没有最新CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型0

无关联模型

在模型README.md中引用arxiv.org/abs/2609.20633以从此页面链接。

引用本文的数据集0

无关联数据集

在数据集README.md中引用arxiv.org/abs/2609.20633以从此页面链接。

引用本文的空间0

无关联空间

在空间README.md中引用arxiv.org/abs/2609.20633以从此页面链接。

包含本文的收藏0

无包含本文的收藏

将本文添加到收藏 (https://huggingface.co/new-collection)以从此页面链接。