- 文章标题：FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models
- 文章地址：https://arxiv.org/abs/2412.08629
- arxiv
文章提出了一个无需inversion的针对所有流模型的图像编辑方法FlowEdit。作者提出，现有的基于扩散模型的真实图像编辑方法通常需要inversion，然而反转本身通常不足以得到满意的结果，因此有很多方法通过在采样过程进行介入进行优化。这些方法确实能够得到好的结果，但无法无缝地扩展到其他模型架构中。文章提出了FlowEdit，一个无需inversion，无需优化且与模型无关的针对T2I流模型的图像编辑方法。该方法构造了一个ODE从原图像分布到目标图像分布，直接进行了图像编辑，对比基于inversion的方法降低了传输成本。
具体来说可看主图，a是基于inversion的方法，b是作者对a的重新描述：作者将其看作一个从原分布到目标分布的直接路径，该路径的速度由inversion和采样的速度共同计算得到。c是FlowEdit，其实非常简单，就是用随机噪声注入到原图像的结果替换b中的inversion结果，其他与b一样。以下是FlowEdit算法：
- 数据：无需训练数据
- 指标：LPIPS; CLIP
- 硬件：不重要
- 开源：