FlowSlider：无需训练 通过保真度转向分解进行连续图像编辑

连续图像编辑旨在提供编辑强度的滑块式控制，同时保持源图像保真度并保持一致的编辑方向。现有的基于学习的滑块方法通常依赖于经过综合或代理监督训练的辅助模块。这引入了额外的训练开销，并将滑块行为耦合到训练分布，这可能会降低编辑或域中分布变化时的可靠性。我们提出 \textit{FlowSlider}，一种用于在不需要 后训练 的整流流中连续编辑的 无需训练 方法。 \textit{FlowSlider} 将 FlowEdit 的更新分解为 (i) 保真项，它充当保留身份和结构的源条件稳定器，以及 (ii) 驱动语义向目标编辑过渡的引导项。几何分析和经验测量表明，这些项近似正交，通过仅缩放转向项同时保持保真度项不变，可以实现稳定的强度控制。因此，\textit{FlowSlider} 无需 后训练 即可提供流畅可靠的控制，从而提高了跨不同任务的连续编辑质量。