fallenshock/FlowEdit

Official implementation of the paper: "FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models"

FlowEdit – 無需反演的文本引導影像編輯

是什麼 – FlowEdit 是 ICCV 2025 最佳學生論文《FlowEdit: 使用預訓練流模型實現無需反演的文本引導編輯》的官方 PyTorch 實作。您只需提供來源影像、來源說明與目標說明，即可完成影像編輯，無需進行擴散過程的反演。該方法重用現有的文字到影像擴散模型（例如 Stable Diffusion 3、Flux）與預訓練的流網路，直接引導生成過程以達成目標編輯。

核心概念

無需反演：無需高成本的潛在空間反演；流模型直接將原始影像的雜訊軌跡映射至編輯後的軌跡。
即插即用：相容任何可透過 🤗 Diffusers 載入的擴散模型（本倉儲提供 SD-3 與 Flux 的範例）。
可編輯提示：您提供一個 來源提示（原始影像所描述的內容）與一個或以上的 目標提示；系統會計算一個簡潔的「目標碼」，以編碼語意變動。

快速上手

克隆與安裝

git clone https://github.com/fallenshock/FlowEdit.git
cd FlowEdit
pip install torch diffusers transformers accelerate sentencepiece protobuf
# 若遇到版本衝突，請依 README 建議將 diffusers 固定為 0.30.1

執行示範
- 對於 Stable Diffusion 3：python run_script.py --exp_yaml SD3_exp.yaml
- 對於 Flux：python run_script.py --exp_yaml FLUX_exp.yaml
編輯您自己的影像
- 將影像放入 example_images/ 目錄。
- 建立一個 edits.yaml 檔案，描述每一項編輯（輸入路徑、來源提示、目標提示（可多個）、可選的目標碼）。
- 建立一個實驗 YAML 檔案（例如複製 FLUX_exp.yaml），指向您的 edits.yaml 並設定超參數如 n_max 與 n_min。
- 執行 python run_script.py --exp_yaml <your_experiment.yaml>。

與 ComfyUI 的整合

倉儲連結了社群維護的 Flux 與 HunyuanLoom 的 ComfyUI 節點，以及用於影片編輯的獨立 LTX-Video 實作。

相關社群工作

Training-Free-WAN-Editing – 將 FlowEdit 與 WAN2.1 結合用於影片編輯。
DNAEdit – 優化高斯雜訊以提升編輯品質（NeurIPS 2025 Spotlight）。
FlowAlign – 為無反演流程新增最佳控制軌跡設計（ICLR 2026）。
DynaEdit – 將 FlowEdit 擴展至動態影片編輯（EECV 2026）。

授權與引用

MIT 授權。
若在研究中使用程式碼，請引用 ICCV 2025 論文。

為何重要 FlowEdit 證明了無需高成本的擴散反演，也能實現高品質的文本引導影像編輯，為更快、更彈性的編輯流程打開大門，可輕鬆整合至現有的擴散模型工具中。