EditCrafter: Edição de Imagens de Alta Resolução sem Ajustes via Modelo de Difusão Pré-treinado
EditCrafter: Tuning-free High-Resolution Image Editing via Pretrained Diffusion Model
April 11, 2026
Autores: Kunho Kim, Sumin Seo, Yongjun Cho, Hyungjin Chung
cs.AI
Resumo
Propomos o EditCrafter, um método de edição de imagens de alta resolução que opera sem ajustes, aproveitando modelos de difusão texto-para-imagem (T2I) pré-treinados para processar imagens em resoluções significativamente superiores às utilizadas durante o treinamento. Aproveitar os *priors* generativos de modelos de difusão T2I de grande escala possibilita o desenvolvimento de uma ampla gama de novas aplicações de geração e edição. Embora inúmeros métodos de edição de imagem tenham sido propostos com base em modelos de difusão e exibam resultados de edição de alta qualidade, eles são difíceis de aplicar a imagens com proporções de aspecto arbitrárias ou resoluções mais altas, pois funcionam apenas nas resoluções de treinamento (512x512 ou 1024x1024). A aplicação ingênua de edição baseada em *patches* falha, resultando em estruturas de objetos irreais e repetição. Para enfrentar esses desafios, introduzimos o EditCrafter, um *pipeline* de edição simples, porém eficaz. O EditCrafter opera realizando primeiro uma inversão em blocos (*tiled inversion*), que preserva a identidade original da imagem de alta resolução de entrada. Propomos ainda um guiamento *classifier-free* com restrição de variedade e amortecimento de ruído (NDCFG++), que é adaptado para a edição de imagens de alta resolução a partir do latente invertido. Nossos experimentos mostram que o nosso EditCrafter pode alcançar resultados de edição impressionantes em várias resoluções sem *fine-tuning* e otimização.
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.