E4C: Enhance Editability for Text-Based Image Editing by Harnessing Efficient CLIP Guidance
Beijing University of Posts and Telecommunications（北京邮电大学）；Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所）
本文提出E4C零样本图像编辑方法，通过双分支特征共享和随机门控CLIP引导优化，在保留源图像内容的同时增强文本对齐，有效解决现有方法中的对齐问题。
2024-03-15 cs.CV
DecFlowEdit: Self-Localized Flow-based Image Editing via Guidance Decoupling
Zhejiang University（浙江大学）；University at Buffalo（纽约州立大学布法罗分校）；University of California, Berkeley（加州大学伯克利分校）
本文提出DecFlowEdit，通过解耦定位与编辑的引导尺度，利用无CFG的速度差异先验重加权更新，实现无需训练和反转的基于流图像编辑，显著减少背景泄漏并保持编辑质量。
2026-09-29 cs.CV
Unified Diffusion-Based Rigid and Non-Rigid Editing with Text and Image Guidance
EIC, HUST（华中科技大学电子信息与通信学院）；CFAR, IHPC, A*STAR（新加坡科技研究局高性能计算研究所CFAR）
提出一种基于统一扩散的图像编辑框架，通过双路径注入与自注意力机制融合外观与结构信息，支持文本或图像引导下的刚性与非刚性编辑，在多任务中表现优越。
2024-01-04 cs.CV
Plasticine3D: 3D Non-Rigid Editing with Text Guidance by Multi-View Embedding Optimization
Shanghai Jiaotong University（上海交通大学）
针对3D非刚性编辑需同时调整结构与外观的难题，提出Plasticine3D流水线，通过分阶段编辑、多视图嵌入优化、嵌入融合及分数投影采样实现文本引导的细粒度可控3D编辑，实验验证了其有效性。
2024-07-09 cs.CV
InstructX: Towards Unified Visual Editing with MLLM Guidance
Intelligent Creation Team, ByteDance（字节跳动智能创作团队）
本文提出统一框架InstructX，通过全面研究MLLM与扩散模型集成，利用图像训练涌现视频编辑能力并融合模态特定特征，在单一模型中实现图像和视频编辑，达到最先进性能。
2025-10-09 cs.CV
RIDGE: Re-Noising with Internal Dynamic Guidance for Image Editing
该研究针对无反转图像编辑中等位移构造的缺陷，提出RIDGE方法，通过重加噪与内部动态引导优化编辑，在多基准实验中实现了源保留、目标对齐与感知质量的良好权衡。
2026-08-05 cs.CV
DiffEdit: Diffusion-based semantic image editing with mask guidance
Meta AI；Sorbonne Université（索邦大学）
图像生成最近取得了巨大的进步，扩散模型允许合成令人信服的图像，用于各种各样的文本提示。在这篇文章中，我们提出了DiffEdit，一种利用文本条件扩散模型进行语义图像编辑任务的方法，其目标是根据文本查询编辑图像。语义图像编辑是图像生成的扩展，具有生成的图像应尽可能与给定输入图像相似的附加约束。当前基于扩散模型的编辑方法通常需要提供遮罩，通过将其视为条件修复任务而使任务变得容易得多。相比之下，我们的主要贡献是能够自动生成一个掩码高亮区域的输入图像，需要进行编辑，通过对比预测的扩散模型条件不同的文本提示。此外，我们依靠潜在的推理来保留感兴趣区域中的内容，并与基于掩码的扩散显示出良好的协同作用。DiffEdit在ImageNet上实现了最先进的编辑性能。此外，我们使用COCO数据集的图像以及基于文本生成的图像，在更具挑战性的设置中评估语义图像编辑。
2022-10-20 cs.CV
Diffusion-Based Conditional Image Editing through Optimized Inference with Guidance
IPAI, Seoul National University（首尔大学 IPAI）；ECE（电子与计算机工程学院）
提出一种基于预训练扩散模型的免训练文本驱动图像翻译方法，通过结合CLIP相似度和结构距离的表示引导优化反向过程潜在变量，在保持源图像结构的同时实现高保真目标图像生成。
2024-12-20 cs.CV
TanGO: Training-Free 3D Editing via Tangent-Space Guidance and Optimization
Korea Advanced Institute of Science and Technology（韩国科学技术院）；Chung-Ang University（中央大学）
研究针对3D生成模型免训练编辑存在语义伪影的问题，提出TanGO框架，通过在切线空间自适应逐令牌引导，制定最优控制规则并确定控制信号强度，减少结构伪影，性能优于现有基线。
2026-07-17 cs.CV
VQGAN-CLIP: Open Domain Image Generation and Editing with Natural Language Guidance
EleutherAI；Booz Allen Hamilton（博思艾伦汉密尔顿）；AIDock；Georgia Institute of Technology（佐治亚理工学院）
从开放域文本提示生成和编辑图像是一项具有挑战性的任务，迄今为止需要昂贵且专门训练的模型。我们展示了一种新的方法，这是能够产生高视觉质量的图像，从文本提示显着的语义复杂性，而无需任何训练，通过使用多模态编码器来指导图像生成的任务。我们在各种任务中演示了如何使用CLIP [37]来引导VQGAN [11]产生比以前更高的视觉质量输出，灵活性较低的方法，如DALL-E [38]，GLIDE [33]和Open-Edit [24]，尽管没有接受过任务培训。我们的代码在公共存储库中可用。
2022-09-04 cs.CV
UniGeo: Unifying Geometric Guidance for Camera-Controllable Image Editing via Video Models
ReLER, CCAI, Zhejiang University（ReLER、CCAI、浙江大学）；DBMI, HMS, Harvard University（DBMI、HMS、哈佛大学）
UniGeo通过统一的几何指导在三个层面提升相机可控图像编辑的几何一致性与视觉质量，克服传统方法在连续相机运动下的几何漂移和结构退化问题。
2026-06-29 cs.CV
Attention-Scoped Guidance: Training-Free Spatial Control for Image Editing
Shanghai Jiao Tong University（上海交通大学）；Cardiff University（卡迪夫大学）；University of Klagenfurt（克拉根福大学）
提出注意力范围引导（ASG），一种无训练的空间权重分配方法，通过指令注意力软支持图调节文本引导与图像锚定，在MagicBrush和PIE-Bench++上提升编辑保留指标。
2026-09-30 cs.CV
Has the Virtualization of the Face Changed Facial Perception? A Study of the Impact of Photo Editing and Augmented Reality on Facial Perception
University of Notre Dame（圣母大学）
本文通过六项调查研究了增强现实和传统照片编辑滤镜对面部感知的影响，发现传统滤镜修改的面部与未修改面部感知相似，而AR滤镜修改的面部则被感知为不同，并探讨了如何更负责任地构建在线空间。
2024-04-26 cs.CV cs.HC
Guide-and-Rescale: Self-Guidance Mechanism for Effective Tuning-Free Real Image Editing
HSE University（高等经济大学）；AIRI（人工智能研究中心）；Constructor University（康斯特大学）；Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究所）；UNSW Sydney（新南威尔士大学悉尼分校）
本文提出一种基于自引导机制的免调谐真实图像编辑方法，通过引入保持布局的能量函数和噪声重缩放机制，在保留原图结构的同时实现快速高质量的编辑。
2024-09-25 cs.CV
Motion Guidance: Diffusion-Based Image Editing with Differentiable Motion Estimators
University of Michigan（密歇根大学）
针对扩散模型难以精确编辑图像中物体布局、姿态等的问题，提出零样本运动引导技术，通过光流网络梯度引导扩散采样，实现指定运动场的高质量图像运动编辑。
2024-01-31 cs.CV
SimInversion: A Simple Framework for Inversion-Based Text-to-Image Editing
Alibaba Group（阿里巴巴集团）
针对原生DDIM反演因无分类器引导优化不足、误差累积导致编辑效果差的问题，提出解耦源与目标分支引导尺度的SimInversion框架，理论得出最优引导尺度0.5，在PIE-Bench上可在保效率的同时大幅提升编辑性能。
2024-09-16 cs.CV
Fine-grained Image Editing by Pixel-wise Guidance Using Diffusion Models
Sony Group Corporation（索尼集团公司）
本文提出一种基于扩散模型的逐像素引导图像编辑框架，通过少量标注训练像素分类器并利用用户操作的分割图实现细粒度可控编辑，在质量和速度上优于GAN方法。
2023-05-31 cs.CV cs.LG
Point-to-Point: Sparse Motion Guidance for Controllable Video Editing
Point-to-Point通过引入锚点标记，利用视频扩散模型的先验知识，实现可控视频编辑中运动与编辑的高质量保真度。
2025-11-23 cs.CV
Follow Your Motion: A Generic Temporal Consistency Portrait Editing Framework with Trajectory Guidance
提出一种通用肖像编辑框架FYM，利用扩散模型学习运动轨迹并引入动态重加权注意力机制，以解决说话头编辑中的时间一致性问题，优于现有方法。
2025-03-28 cs.CV
TRACE: Object Motion Editing in Videos with First-Frame Trajectory Guidance
University of Maryland, College Park（马里兰大学帕克分校）；Adobe Research（Adobe研究院）
本文提出TRACE框架，通过单帧锚点设计轨迹并合成一致的编辑视频，解决对象运动路径编辑问题，实现更协调、真实且可控的视频编辑。
2026-03-26 cs.CV
From Competition to Coopetition: Coopetitive Training-Free Image Editing Based on Text Guidance
Department of Computing, Hong Kong Polytechnic University（香港理工大学计算机系）；Department of Computer Science, Sichuan University（四川大学计算机科学系）
本文提出CoEdit，通过将注意力控制从竞争转为协竞谈判，提升图像编辑的时空一致性，引入双熵注意力操控和熵 latent 修正机制，改进可编辑区域定位并增强语义一致性。
2026-04-17 cs.CV
Localize, Understand, Collaborate: Semantic-Aware Dragging via Intention Reasoner
Beijing University of Posts and Telecommunications（北京邮电大学）；University of California, Santa Barbara（加利福尼亚大学圣巴巴拉分校）
本文提出LucidDrag，通过意图推理器推断编辑内容与语义方向，并协同整合语义引导和质量引导，将拖拽编辑从学习“如何拖拽”转变为“先做什么再如何做”，显著提升了编辑的灵活性与图像质量。
2024-10-22 cs.CV
FreeDiff: Progressive Frequency Truncation for Image Editing with Diffusion Models
City University of Hong Kong（香港城市大学）；VIVO（维沃（vivo））；Xidian University（西安电子科技大学）
针对扩散模型图像编辑中目标区域与引导影响范围错位的问题，提出无需微调的FreeDiff方法，通过渐进式频率截断优化引导，在多类编辑任务上达到与SOTA相当的效果。
2024-08-13 cs.CV
Consistent-Inversion: Reverse Consistency Guidance for Structure-Preserving Visual Editing
Hong Kong University of Science and Technology（香港理工大学）；The Hong Kong Polytechnic University（香港理工大学）
提出Consistent-Inversion，一种无训练的反向一致性引导框架，通过检查中间目标轨迹能否在源提示下反向到源反转轨迹，并利用反向一致性差异校正早期去噪步骤，在保持结构的同时提升编辑效果。
2026-06-05 cs.CV
Guidance for Low-Level Perceptual Editing in Unconditional Diffusion Models
Indian Institute of Technology Roorkee（印度理工学院罗尔基）
针对无条件扩散模型在美学和感知增强中难以进行全局低级变换的问题，提出一种无需训练的推理时机制，通过提取退化概念向量并结合瓶颈修补与无分类器引导，实现图像编辑与质量提升。
2026-05-29 cs.CV cs.LG
EVE: Efficient zero-shot text-based Video Editing with Depth Map Guidance and Temporal Consistency Constraints
Shandong University（山东大学）；Ant Group（蚂蚁集团）
针对现有文本驱动视频编辑方法微调成本高、生成能力有限且缺乏公开基准的问题，提出带深度图引导与时序一致性约束的零样本编辑方法EVE，构建ZVE-50数据集，实现性能与效率的良好权衡并将开源相关资源。
2023-08-21 cs.AI cs.CV
When Test-Time Guidance Is Enough: Fast Image and Video Editing with Diffusion Guidance
CMAP, Ecole Polytechnique（巴黎综合理工学院CMAP实验室）；Institute of Foundation Models（基础模型研究所）；MBZUAI（穆罕默德·本·扎耶德人工智能大学）；EPITA（法国高等信息技术学院）；Sorbonne University（索邦大学）；Lagrange Mathematics and Computing Research Center（拉格朗日数学与计算研究中心）；EPITA Research Lab（EPITA研究实验室）；KTH Royal Institute of Technology（瑞典皇家理工学院）
本文提出通过测试时指导实现高效的图像和视频编辑，理论分析并扩展了现有方法，证明测试时指导能与训练时方法媲美甚至超越。
2026-03-30 cs.AI cs.CV cs.LG
TextCtrl: Diffusion-based Scene Text Editing with Prior Guidance Control
Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院）；College of Computer Science, Nankai University（南开大学计算机学院）
提出基于扩散的场景文本编辑方法TextCtrl，通过风格-结构引导和字形自适应互自注意力机制提升风格一致性与渲染准确性，并构建首个真实世界图像对数据集ScenePair验证有效性。
2024-10-14 cs.CV
Continuous Control of Editing Models via Adaptive-Origin Guidance
Tel Aviv University, Decart.ai（特拉维夫大学，Decart.ai）；Tel Aviv University（特拉维夫大学）
本文提出AdaOr方法，通过自适应调整指导起源实现编辑模型的连续强度控制，提升编辑过程的平滑性和一致性。
2026-02-03 cs.CV cs.GR
GBOT: Graph-Based 3D Object Tracking for Augmented Reality-Assisted Assembly Guidance
Technical University of Munich（慕尼黑工业大学）
针对增强现实装配指导中遮挡和复杂装配状态导致的无标记多物体跟踪难题，提出基于图的单视图RGB-D跟踪方法GBOT，通过6D位姿估计初始化和多状态装配图更新实现鲁棒实时跟踪，并公开合成数据集与代码。
2024-02-12 cs.CV
Improving Diffusion-Based Image Editing Faithfulness via Guidance and Scheduling
Korea University（韩国大学）
针对图像编辑中可编辑性与保真度的权权衡问题，提出保真度引导与调度（FGS）方法，通过加强输入信息保留和引入调度策略解决错位，在维持可编辑性的同时显著提升保真度，且兼容多种编辑方法。
2025-06-26 cs.AI cs.CV cs.LG
3D-Consistent Multi-View Editing by Correspondence Guidance
Chalmers University of Technology（查尔姆斯理工大学）；Korea University（韩国大学）
本文提出一种无需训练的引导框架，通过在图像编辑过程中强制多视角一致性，提升3D表示如NeRF或高斯点云模型的编辑一致性，实验表明其显著优于现有方法。
2026-09-02 cs.AI cs.CV cs.LG
Energy-Guided Optimization for Personalized Image Editing with Pretrained Text-to-Image Diffusion Models
College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）；Youtu Lab, Tencent（腾讯优图实验室）
提出一种无训练框架，通过能量引导优化和由粗到细策略，利用参考文本-图像对引导扩散模型在潜在空间进行个性化图像编辑，实现无缝融合与身份一致性。
2025-03-06 cs.CV
MAG-Edit: Localized Image Editing in Complex Scenarios via Mask-Based Attention-Adjusted Guidance
Communication University of China（中国传媒大学）；National University of Singapore（新加坡国立大学）
MAG-Edit提出一种无需训练、推理阶段优化的方法，通过最大化掩码交叉注意力约束，实现复杂场景下的局部图像编辑，兼顾文本对齐与结构保留。
2023-12-21 cs.AI cs.CV
3DOT: Texture Transfer for 3DGS Objects from a Single Reference Image
National University of Singapore（新加坡国立大学）；University of Mississippi（密苏里大学）；ASUS Intelligent Cloud Services（ASUS智能云服务）
提出3DSwapping方法，通过渐进式生成、视图一致性梯度引导和提示调优梯度引导，实现从单张参考图像到3D对象的高保真纹理迁移，保持跨视图一致性。
2025-10-16 cs.CV
Tuning-free Instruction-based Video Editing Via Structural Noise Initialization and Guidance
JIUTIAN Research, China Mobile（中国移动极天研究院）；School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院）；State Key Laboratory of Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室）
本文提出无需调优的指令式视频编辑框架，通过结构噪声初始化策略和噪声引导机制，提升视频编辑的视觉质量和性能。
2026-05-15 cs.AI cs.CV
Dual-Channel Attention Guidance for Training-Free Image Editing Control in Diffusion Transformers
iFLYTEK
本文提出双通道注意力引导方法，通过同时操控键通道和值通道实现无需训练的图像编辑控制，显著提升编辑保真度。
2026-02-25 cs.AI cs.CV
Kiwi-Edit: Versatile Video Editing via Instruction and Reference Guidance
Show Lab, National University of Singapore（展示实验室，新加坡国立大学）
本文提出Kiwi-Edit框架，通过指令和参考引导实现可控视频编辑，构建了RefVIE数据集和评估基准，并通过多阶段训练提升指令遵循和参考保真度。
2026-05-13 cs.AI cs.CV
Multimodal Image Synthesis and Editing: The Generative AI Era
Max Planck Institute for Informatics（马克斯·普朗克信息研究所）；S-Lab, Nanyang Technological University（南洋理工大学S实验室）；Nanyang Technological University（南洋理工大学）；Carnegie Mellon University（卡内基梅隆大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
该综述梳理生成式AI时代多模态图像合成与编辑的研究进展，按数据模态和模型类型分类，介绍方法、数据集、指标与实验，分析挑战并指明未来方向。
2023-08-24 cs.CV
FineEdit: Fine-Grained Image Edit with Bounding Box Guidance
Huawei Inc（华为公司）
本文提出FineEdit，通过多级边界框注入方法提升图像编辑的精确度与背景一致性，结合120万对精细标注图像数据集和FineEdit-Bench基准测试，验证其在指令遵循和背景保留方面的优越性能。
2026-04-13 cs.CV
Object-Aware Background-Controlled Editing via Weighted Velocity Guidance
Carnegie Mellon University（卡内基梅隆大学）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）
提出免训练的对象感知速度控制（OAVC）框架，通过背景锚定参考和对象局部安全注入抑制背景漂移，在图像和视频编辑基准上提升背景保持、结构保真与边界稳定性。
2026-09-09 cs.CV
EditFlow3D: Automated Local Editing of 3D Assets with Trajectory Preservation
EditFlow3D是一种无需训练的3D局部编辑框架，通过VLM驱动工作流生成掩码与视觉引导，结合掩码引导差分流和轨迹保留技术，在新基准EditFlow-Bench上验证了其编辑准确性与非目标区域保留能力优于现有方法。
2026-08-05 cs.CV
Video-P2P: Video Editing with Cross-attention Control
The Chinese University of Hong Kong（香港中文大学）；Adobe（奥多比）；SmartMore（思谋）
本文介绍了Video-P2P，一种新的框架，用于现实世界的视频编辑与交叉注意力控制。虽然注意力控制已被证明对于使用预训练的图像生成模型进行图像编辑是有效的，但目前还没有公开的大规模视频生成模型。Video-P2P通过调整图像生成扩散模型来完成各种视频编辑任务来解决这一限制。具体来说，我们建议首先调整文本到集合（T2 S）模型来完成近似反转，然后优化共享无条件嵌入，以实现精确的视频反转，并具有较小的内存成本。对于注意力控制，我们引入了一种新的双引导策略，它使用不同的指导策略的源和目标提示。对源提示的优化无条件嵌入提高了重构能力，而对目标提示的初始化无条件嵌入提高了可编辑性。将这两个分支的注意力图分开可以进行详细的编辑。这些技术设计支持各种文本驱动的编辑应用程序，包括单词交换，提示细化和注意力重新加权。Video-P2P在真实世界的视频中可以很好地生成新角色，同时最佳地保留其原始姿势和场景。它明显优于以前的方法。
2023-03-08 cs.CV
Invertible Consistency Distillation for Text-Guided Image Editing in Around 7 Steps
Yandex Research（Yandex研究院）；HSE University（俄罗斯国立高等经济大学）
本文提出可逆一致性蒸馏框架iCD，结合动态引导，在3到4步内实现高质量生成、真实图像准确编码及零样本文本引导图像编辑。
2024-12-02 cs.CV
ALIVE: Interaction-Aligned Object Insertion for First-Frame-Guided Video Editing
University of Rochester（罗切斯特大学）；Adobe Research（Adobe 研究院）
ALIVE通过首帧编辑和指令，使插入物体与源视频内容产生连贯交互，并训练VLM预测引导，显著提升交互保真度。
2026-10-07 cs.CV
MCIE: Multimodal LLM-Driven Complex Instruction Image Editing with Spatial Guidance
MCIE通过空间引导和背景一致性模块，提升复杂指令图像编辑的指令合规性，实现23.96%的性能提升。
2026-02-08 cs.AI cs.CV
MotionCoach: Constructing Multimodal Guidance for Video Professional Motion Editing
Peking University（北京大学）；Alibaba Group（阿里巴巴集团）；University of Science and Technology of China（中国科学技术大学）；Zhejiang University（浙江大学）
MotionCoach是一种多模态智能体，通过构建多模态引导解决专业动作编辑难题，在Seedance 2.0和MiniMax-H3上分别提升了视频编辑模型的总体得分。
2026-10-12 cs.AI cs.CV cs.MM
LEDITS: Real Image Editing with DDPM Inversion and Semantic Guidance
HuggingFace
本文提出 LEDITS，一种结合 Edit Friendly DDPM 反演与 Semantic Guidance 的轻量级真实图像编辑方法，无需优化或扩展架构即可实现细微、广泛及风格构图等多种编辑。
2023-07-02 cs.AI cs.CV cs.LG
ExpertEdit: Learning Skill-Aware Motion Editing from Expert Videos
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
ExpertEdit通过无配对专家视频学习技能驱动的动作编辑，无需配对数据或手动指导，提升动作真实感和专家质量。
2026-08-18 cs.CV
VAGS: Velocity Adaptive Guidance Scale for Image Editing and Generation
Harvard AI and Robotics Lab（哈佛人工智能与机器人实验室）；Harvard University（哈佛大学）；School of Computing and Data Science（计算与数据科学学院）；The University of Hong Kong（香港大学）；Kempner Institute for the Study of Natural and Artificial Intelligence（自然与人工智能研究学院）
VAGS通过自适应引导尺度提升图像编辑和生成的结构保真度和生成质量，无需微调或额外计算。
2026-05-15 cs.AI cs.CV
GLIDE: Towards Photorealistic Image Generation and Editing with Text-Guided Diffusion Models
OpenAI（开放人工智能研究中心）
扩散模型最近已被证明可以生成高质量的合成图像，特别是当与指导技术配对以权衡多样性和保真度时。我们探讨了文本条件图像合成问题的扩散模型，并比较了两种不同的指导策略：CLIP指导和无分类器引导。我们发现，后者是首选的人类评价的真实感和标题相似性，并经常产生真实感的样本。使用无分类器引导的35亿参数文本条件扩散模型的样本比DALL-E的样本更受人类评估者的青睐，即使后者使用昂贵的CLIP重新排序。此外，我们发现，我们的模型可以进行微调，以执行图像修补，使强大的文本驱动的图像编辑。我们在过滤后的数据集上训练一个较小的模型，并在https://github.com/openai/glide-text2im上发布代码和权重。
2022-03-08 cs.CV cs.GR cs.LG
A Comprehensive Taxonomy and Analysis of Talking Head Synthesis: Techniques for Portrait Generation, Driving Mechanisms, and Editing
本综述系统梳理说话人头部合成技术，将其划分为肖像生成、驱动机制、编辑技术三大领域，分析里程碑研究的优劣，整理数据集并多指标评估现有方法，探讨应用场景与未来方向，为后续研究提供框架与数据支撑。
2024-06-18 cs.CV
LayerEdit: Disentangled Multi-Object Editing via Conflict-Aware Multi-Layer Learning
University of Science and Technology of China（中国科学技术大学）
针对现有文本驱动多目标图像编辑忽略目标间交互导致编辑泄漏或约束的问题，提出无需训练的多层解耦框架LayerEdit，通过冲突感知分层分解、目标分层编辑和透明度引导融合，实现无冲突编辑，在复杂场景中提升目标内可控性与目标间连贯性。
2025-11-11 cs.CV
AFTER: Mitigating the Object Hallucination of LVLM via Adaptive Factual-Guided Activation Editing
AFTER通过自适应事实引导激活编辑缓解LVLM中的对象幻觉，显著降低幻觉发生率。
2026-01-05 cs.CV
