给花朵换颜色、改海报上的文字，生成模型往往能改对内容，却在掩码边缘留下色差、硬线或纹理断裂。商汤研究院、北京航空航天大学与南洋理工大学等团队提出MaskFlow，把编辑区域直接写进生成路径，并用Soft-Poisson机制处理边界融合。完整方法将FID从29.85降至19.90，背景保真PSNR由19.11升至22.60。
局部编辑有三种常见露馅方式
局部图像编辑同时接收原图、文字指令和掩码。模型需要在指定区域生成新内容，区域之外尽量一像素不动，交界处还要自然连续。只强调指令遵循，可能把修改扩散到背景；只把掩码当作额外条件，模型又未必在整条生成轨迹中严格遵守边界。
第三个问题最直观：即使前景和背景各自正确，二者拼在一起仍可能像贴纸。亮度、颜色梯度和纹理方向在掩码边缘突然变化，人眼很容易发现。MaskFlow因此没有把边界问题留给最后一次后处理，而是把它放进训练与采样过程。
评价局部编辑时，目标内容、未编辑背景和边缘连续性需要同时成立。
让掩码进入概率流
MaskFlow基于流匹配构建一条掩码感知的概率路径。需要修改的区域沿生成轨迹逐步变成目标内容，掩码之外则由源图约束，减少无关区域漂移。这样，掩码不再只是提示模型“看这里”，而是决定不同像素在概率流中承担的角色。
为了补充训练数据，团队还建立MEData合成流程：视觉语言模型负责理解编辑意图和区域，图像生成模块构造前后对应样本，再形成图像、掩码、指令和目标结果的组合。它覆盖自然图像与信息图等不同内容，帮助模型学习文字替换、物体变化和属性修改。
掩码参与生成路径，使编辑区域与保留区域从训练开始就受到不同约束。
Soft-Poisson把接缝放进优化
传统Poisson融合关注梯度域连续性，但直接套用可能过度改变生成结果。MaskFlow提出Soft-Poisson，在训练和采样阶段以柔性的梯度约束协调内外区域。它允许新内容保留语义和细节，同时降低边界两侧亮度、色彩和纹理的突变。
消融实验给出了两部分的独立贡献。基础方法FID为29.85、PSNR为19.11；加入掩码流后，FID降至20.51，PSNR升至22.38；再加入Soft-Poisson，FID进一步降至19.90，PSNR达到22.60。也就是说，主要提升来自更明确的区域建模，而边缘机制在此基础上继续改善融合。
这两类指标也对应不同用户感受。FID下降意味着编辑后的整体图像更接近真实图像分布，PSNR上升则说明掩码外的原图被保留得更多。若只追求前者，模型可能重绘整张图来获得自然外观；若只追求后者，又可能什么都不敢改。MaskFlow同时报告二者，并用视觉对比检查接缝，才能证明改动集中在该改的位置。
FID衡量生成分布，PSNR用于观察未编辑内容保留情况，两者共同避免“改得好但背景全变”。
下一步进入更复杂的局部编辑
MaskFlow适合边界清楚、目标明确的局部修改，尤其是花朵换色、人物或动物局部变化、信息图内容重绘。它把“不要动哪里”和“交界处怎么融”变成显式问题，比只追求文本匹配更贴近真实修图需求。
下一步可以把掩码流和Soft-Poisson用于人像发丝、透明材质、阴影与反射等更复杂边界，并把文字重绘、商品图调整和多区域批量编辑纳入同一套训练。编辑工具还可以在用户画出粗略区域后自动细化掩码，减少手工描边成本。
系统目前仍依赖掩码质量，大范围几何变化也超出简单局部融合的范围。后续评测可以把指令理解、掩码误差和生成误差分别统计，再观察不同边界类型的成功率。MaskFlow已经把目标内容、背景保留和接缝质量拆成可训练指标，为修图产品建立更精确的局部编辑验收方式。
