EditCrafter：基于预训练扩散模型的无调优高分辨率图像编辑

EditCrafter: Tuning-free High-Resolution Image Editing via Pretrained Diffusion Model

April 11, 2026

Autori: Kunho Kim, Sumin Seo, Yongjun Cho, Hyungjin Chung

cs.AI

Abstract

Proponiamo EditCrafter, un metodo di editing di immagini ad alta risoluzione che opera senza ottimizzazione, sfruttando modelli di diffusione testo-immagine (T2I) pre-addestrati per elaborare immagini a risoluzioni significativamente superiori a quelle utilizzate durante l'addestramento. Sfruttare i prior generativi dei modelli di diffusione T2I su larga scala consente lo sviluppo di una vasta gamma di nuove applicazioni di generazione e modifica. Sebbene siano stati proposti numerosi metodi di editing basati su modelli di diffusione che mostrano risultati di alta qualità, questi sono difficili da applicare a immagini con proporzioni arbitrarie o risoluzioni più elevate poiché funzionano solo alle risoluzioni di addestramento (512x512 o 1024x1024). Applicare ingenuamente l'editing a patch fallisce, producendo strutture oggettuali irrealistiche e ripetizioni. Per affrontare queste sfide, introduciamo EditCrafter, una pipeline di editing semplice ma efficace. EditCrafter opera eseguendo prima un'inversione a tasselli, che preserva l'identità originale dell'immagine ad alta risoluzione in input. Proponiamo inoltre una guida classifier-free vincolata al varietà con smorzamento del rumore (NDCFG++), specificamente studiata per l'editing di immagini ad alta risoluzione a partire dai latenti invertiti. I nostri esperimenti mostrano che EditCrafter può ottenere risultati di editing impressionanti su varie risoluzioni senza fine-tuning o ottimizzazione.

English

We propose EditCrafter, a high-resolution image editing method that operates without tuning, leveraging pretrained text-to-image (T2I) diffusion models to process images at resolutions significantly exceeding those used during training. Leveraging the generative priors of large-scale T2I diffusion models enables the development of a wide array of novel generation and editing applications. Although numerous image editing methods have been proposed based on diffusion models and exhibit high-quality editing results, they are difficult to apply to images with arbitrary aspect ratios or higher resolutions since they only work at the training resolutions (512x512 or 1024x1024). Naively applying patch-wise editing fails with unrealistic object structures and repetition. To address these challenges, we introduce EditCrafter, a simple yet effective editing pipeline. EditCrafter operates by first performing tiled inversion, which preserves the original identity of the input high-resolution image. We further propose a noise-damped manifold-constrained classifier-free guidance (NDCFG++) that is tailored for high resolution image editing from the inverted latent. Our experiments show that the our EditCrafter can achieve impressive editing results across various resolutions without fine-tuning and optimization.