SwiftEdit: мгновенное редактирование изображений с помощью текста через одноступенчатую диффузию

SwiftEdit: Lightning Fast Text-Guided Image Editing via One-Step Diffusion

December 5, 2024

Авторы: Trong-Tung Nguyen, Quang Nguyen, Khoi Nguyen, Anh Tran, Cuong Pham

cs.AI

Аннотация

Недавние достижения в области редактирования изображений с помощью текста позволяют пользователям выполнять редактирование изображений через простой текстовый ввод, используя обширные априорные знания многоэтапных моделей преобразования текста в изображение на основе диффузии. Однако эти методы часто не удовлетворяют требования скорости, необходимой для приложений в реальном мире и на устройствах из-за дорогостоящего многоэтапного процесса инверсии и выборки. В ответ на это мы представляем SwiftEdit, простой, но очень эффективный инструмент редактирования, который обеспечивает мгновенное редактирование изображений с помощью текста (за 0,23 секунды). Продвижение SwiftEdit заключается в его двух новаторских вкладах: фреймворке инверсии одного шага, который позволяет восстановление изображения за один шаг путем инверсии, и технике редактирования с маской с нашим предложенным механизмом масштабирования внимания для выполнения локализованного редактирования изображения. Проведены обширные эксперименты для демонстрации эффективности и эффективности SwiftEdit. В частности, SwiftEdit обеспечивает мгновенное редактирование изображений с помощью текста, что намного быстрее, чем предыдущие многоэтапные методы (как минимум в 50 раз быстрее), сохраняя при этом конкурентоспособные результаты редактирования. Наша страница проекта: https://swift-edit.github.io/

English

Recent advances in text-guided image editing enable users to perform image edits through simple text inputs, leveraging the extensive priors of multi-step diffusion-based text-to-image models. However, these methods often fall short of the speed demands required for real-world and on-device applications due to the costly multi-step inversion and sampling process involved. In response to this, we introduce SwiftEdit, a simple yet highly efficient editing tool that achieve instant text-guided image editing (in 0.23s). The advancement of SwiftEdit lies in its two novel contributions: a one-step inversion framework that enables one-step image reconstruction via inversion and a mask-guided editing technique with our proposed attention rescaling mechanism to perform localized image editing. Extensive experiments are provided to demonstrate the effectiveness and efficiency of SwiftEdit. In particular, SwiftEdit enables instant text-guided image editing, which is extremely faster than previous multi-step methods (at least 50 times faster) while maintain a competitive performance in editing results. Our project page is at: https://swift-edit.github.io/