RIDGE：使用内部动态指导进行图像编辑的重新降噪

基于无反转流的图像编辑避免了潜在的反转，但在每个编辑步骤仍然需要目标端状态。广泛使用的等位移结构使噪声源状态和目标侧状态之间的位移在整个噪声水平上保持不变。这与噪声不一致，在噪声下，使用相同噪声水平和噪声样本进行噪声处理的两个干净状态之间的位移应该随着噪声水平的增加而收缩。因此，它可能会导致在高噪音水平下过度激进的更新。我们介绍 RIDGE：使用内部动态指导进行图像编辑的再噪声，这是一种无反演和 无需训练 方法，可将编辑状态保持为不可用的干净目标状态的不断发展的近似值。 RIDGE 使用与干净源状态相同的噪声水平和噪声样本重新对该近似值进行噪声处理，从而允许它们的噪声位移随着噪声的增加而自然减少。由于编辑状态最初包含有限的目标语义，RIDGE 在早期的高噪声步骤中进一步应用内部动态指导。干净的目标状态预测通过从模型内部导出的软动态掩模来指导临时编辑状态，重点指导需要修改的区域，而无需外部分割或检测模型。使用两个主干（SD3 Medium 和 FLUX.1-dev）对两个基准进行的实验表明，RIDGE 在源保留、目标对齐和感知质量之间提供了有利的总体权衡。