通过使用 WaveOpt-Estimator 和 Negative-Prompt Inversion 等创新方法以及波形变换分析，本研究提出了一种在保持图像结构的同时加速图像编辑过程的方法，相对于传统 Null-text Inversion 方法平均编辑时间减少超过 80%，为基于扩散模型的高效、高质量图像编辑研究提供了有希望的方法。
Jan, 2024
本文提出一种负激励反演方法，通过前向传播实现等效重建来加速处理图像编辑中的扩散模型，实验证明与现有方法相比，我们的方法的重建质量是可比的，更快，可用于改善扩散模型的重建质量。
May, 2023
通过噪声地图引导的方式，我们提出了一种适用于真实图像编辑的反演方法，它具备空间上下文且无需优化，保持了良好的编辑质量。
Feb, 2024
本文介绍了一种精确的图片逆向生成技术，实现了基于文本的图片编辑，通过引入 Pivotal inversion 和 NULL-text optimization 技术，以条件嵌入为导向，避免了模型权重的繁琐调整，并在真实照片上进行了高保真度编辑。
Nov, 2022
通过使生成的图像内容与用户意图一致的提示，该方法利用扩散模型进行串行优化得到直观的语言提示，从而产生具有相似内容的多样化图像。
Dec, 2023
本文提出了一种基于 Prompt Tuning Inversion 的精确快速反演技术，用于文本驱动的图像编辑，能够在保留输入图像高准确度的同时进行灵活的编辑，实验证明该方法在 ImageNet 数据集上的表现优于现有技术。
通过使用负向提示，优化负向提示生成方法，可以显著提高图像生成质量。与其他方法相比，该方法在万能评分上提高了 25%，超过了测试集中的参考负向提示。此外，我们可以根据需求有针对性地优化最重要的指标，并构建了一个负向提示数据集。
Mar, 2024
LEDITS 是一种轻量级的图像编辑方法，结合了 Edit Friendly DDPM 反演技术和语义引导，能够实现对真实图像的细微和广泛编辑，而无需优化和扩展架构。
Jul, 2023
对于扩散模型，尽管反演性编辑取得了一定进展，但基于文本的图像编辑仍面临困难。本研究提出了一种无需显式反演的编辑方法（InfEdit），通过引入特殊方差调度和统一的注意力控制机制，实现了对图像的稳定编辑和真实还原，且在各种编辑任务中表现出强大的性能和快速的实时应用潜力。
使用生成对抗网络 (GAN) 和去噪扩散隐式模型 (DDIM) 的加速迭代扩散反演方法 (AIDI) 在图像编辑任务中取得了更高的重构准确性和更好的稳健性。
Sep, 2023