FlashEdit: Desacoplando Velocidade, Estrutura e Semântica para Edição Precisa de Imagens

FlashEdit: Decoupling Speed, Structure, and Semantics for Precise Image Editing

September 26, 2025

Autores: Junyi Wu, Zhiteng Li, Haotong Qin, Xiaohong Liu, Linghe Kong, Yulun Zhang, Xiaokang Yang

cs.AI

Resumo

A edição de imagens guiada por texto com modelos de difusão alcançou qualidade notável, mas sofre com latência proibitiva, dificultando aplicações no mundo real. Apresentamos o FlashEdit, uma nova estrutura projetada para permitir edição de imagens em alta fidelidade e em tempo real. Sua eficiência decorre de três inovações principais: (1) um pipeline de Inversão e Edição em Uma Etapa (OSIE) que contorna processos iterativos custosos; (2) uma técnica de Escudo de Fundo (BG-Shield) que garante a preservação do fundo ao modificar seletivamente características apenas na região de edição; e (3) um mecanismo de Atenção Espacial Esparsificada Cruzada (SSCA) que assegura edições precisas e localizadas ao suprimir vazamentos semânticos para o fundo. Experimentos extensivos demonstram que o FlashEdit mantém consistência superior do fundo e integridade estrutural, enquanto realiza edições em menos de 0,2 segundos, o que representa uma aceleração de mais de 150 vezes em comparação com métodos anteriores de múltiplas etapas. Nosso código estará disponível publicamente em https://github.com/JunyiWuCode/FlashEdit.

English

Text-guided image editing with diffusion models has achieved remarkable quality but suffers from prohibitive latency, hindering real-world applications. We introduce FlashEdit, a novel framework designed to enable high-fidelity, real-time image editing. Its efficiency stems from three key innovations: (1) a One-Step Inversion-and-Editing (OSIE) pipeline that bypasses costly iterative processes; (2) a Background Shield (BG-Shield) technique that guarantees background preservation by selectively modifying features only within the edit region; and (3) a Sparsified Spatial Cross-Attention (SSCA) mechanism that ensures precise, localized edits by suppressing semantic leakage to the background. Extensive experiments demonstrate that FlashEdit maintains superior background consistency and structural integrity, while performing edits in under 0.2 seconds, which is an over 150times speedup compared to prior multi-step methods. Our code will be made publicly available at https://github.com/JunyiWuCode/FlashEdit.