E4C：通过利用高效的 CLIP 指导增强基于文本的图像编辑的可编辑性

基于扩散的图像编辑是一个综合过程，旨在保留源图像内容并生成新内容或应用修改。尽管当前的编辑方法在文本指导下取得了一定的进展，但大多数方法仅关注保留输入图像的信息，忽视了可编辑性和与目标提示的对齐重要性。在本文中，我们通过提出一种名为 E4C 的零样本图像编辑方法，优先考虑可编辑性，该方法仅需在推理阶段进行优化，以明确增强可编辑性和文本对齐。具体而言，我们开发了一个统一的双分支特征共享管道，能够在允许根据编辑任务进行适应的同时，保留源图像的结构或纹理。我们进一步通过利用我们新颖的随机网关优化机制将 CLIP 指导集成到我们的管道中，以有效增强与目标提示的语义对齐。全面的定量和定性实验表明，我们的方法有效解决了现有方法中普遍存在的文本对齐问题，同时保持了对源图像的保真度，并在广泛的编辑任务中表现良好.