滑块不再跳变！SliderEdit++连续图像编辑得分飙升18.5%，速度快20倍！
SliderEdit++: Improved Slider Trajectories in Instruction-Based Image Editing
📖 AI 总结
该研究针对基于指令的图像编辑中滑块控制存在的可靠性问题展开，指出既有方法在拖动滑块时会出现画面突变、变化非单调以及多滑块相互干扰等现象。为系统评估这些局限，作者提出了SlideBench基准，覆盖多种编辑类别，并配套衡量单调性、感知连续性和滑块间解耦程度的统一指标。在此基础上，作者提出SliderEdit++方法，其核心在于对编辑过程的中间轨迹进行显式正则化，而非仅监督起止端点，具体结合速度与语义空间的轨迹正则化、频谱控制以及解耦目标，使滑块调节更平滑可预测。在SlideBench上，该方法整体得分较最强基线提升18.5%，并借助少步编辑骨干实现约3至20倍的加速，显著提升了交互编辑的响应性。
🔑 关键词速览
| SliderEdit++ | 本文提出的图像编辑方法，通过正则化中间编辑轨迹实现平滑、可控的滑块式连续编辑。 |
| SlideBench | 一个用于评估连续图像编辑的综合基准，包含多种编辑类别和量化单调性、连续性、解耦性的统一指标。 |
| 基于指令的图像编辑 | 根据自然语言指令对图像进行修改的任务，如“将天空变暗”。 |
| 轨迹正则化 | 对编辑过程中间状态施加约束，使其沿平滑、可预测的路径变化，而非仅关注起始和结束状态。 |
| 解耦目标 | 一种训练目标，旨在减少不同滑块控制的编辑之间的相互干扰，使各自独立生效。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅