反演与编辑：通过循环一致性模型实现高效快速的图像编辑

扩散模型在图像编辑方面的最新进展取得了令人瞩目的成果，为生成过程提供了精细的控制。然而，由于其迭代性质，这些方法计算量很大。尽管蒸馏扩散模型可以实现更快的推理，但其编辑能力仍然有限，这主要是因为反演质量不佳。高保真反演和重建对于精确的图像编辑至关重要，因为它们可以保留源图像的结构和语义完整性。在这项工作中，我们提出了一种新颖的框架，利用一致性模型增强图像反演，仅需四步即可实现高质量编辑。我们的方法引入了一种循环一致性优化策略，显著提高了重建精度，并实现了编辑能力和内容保留之间的可控权衡。我们在各种图像编辑任务和数据集上均取得了最先进的性能，证明我们的方法可以与全步扩散模型相媲美甚至超越，同时效率更高。我们方法的代码可在GitHub上获取：<a href="https://github.com/ControlGenAI/Inverse-and-Edit&quot;&gt;https://github.com/ControlGenAI/Inverse-and-Edit&lt;/a&gt;。