PulseAugur
中
实时 11:38:27
English(EN) h-Flow: Flexible Flow-based Image Editing via Doob's h-Transform

h-Flow 框架利用 Doob 的 h-Transform 实现灵活的图像编辑

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的图像编辑框架 h-Flow，该框架利用 Doob 的 h-Transform 提供了一个理论基础。该方法将编辑重新表述为条件生成，平衡了源图像的一致性与目标提示的对齐。通过将 h-Transform 扩展到确定性反向扩散模型并采用速度正交分解，h-Flow 允许在重建和语义编辑之间进行可控的权衡，并在各种场景中证明了其有效性。 AI

影响 为图像编辑引入了一个新的理论框架，有望提高生成式 AI 应用的控制力和灵活性。

排序理由 该集群包含一篇详细介绍新图像编辑方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

h-Flow 框架利用 Doob 的 h-Transform 实现灵活的图像编辑

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Zehui Guo, Zhen Wang, Junwei Shu, Yang Li, Changbo Wang, Long Chen ·

    h-Flow: Flexible Flow-based Image Editing via Doob's h-Transform

    arXiv:2607.10800v1 Announce Type: new Abstract: Editing images with pre-trained text-to-image flow models typically requires carefully balancing target alignment with the desired prompt and source consistency with the original image. Existing approaches either rely on inversion-b…

相关实体

相关话题