- 文章标题：SDEDIT: GUIDED IMAGE SYNTHESIS AND EDITING WITH STOCHASTIC DIFFERENTIAL EQUATIONS
- 文章地址：https://arxiv.org/abs/2108.01073
- ICLR 2022
扩散模型编辑图像的开山之作。
该方法完成了从粗粒度手绘图到图像的生成，基于手绘的图像编辑以及图像的组合。使用预训练的SDE扩散模型即可，无需任何训练。
方法非常简单，通过选取一个SDE中的t0作为起始点，将用户提供的图像作为输入并加噪到t0，然后再使用反向SDE从t0还原到原图，图像经过了加噪-去噪的过程，通过选取一个合适的t0，该方法可以生成既满足条件要求又具有真实感的图像。上图很好地展示了该过程。
- 数据：无需训练
- 指标：KID（真实感）；L2（满足要求）；User Study
- 硬件：未提及
- 开源：https://sde-image-editing.github.io