图像编辑本质上是在"图像重建"(image reconstruction)和"图像再生成"(image re-generation)之间寻找平衡。
1. Image Reconstruction(图像重建)
- 定义 :图像重建通常是指从已有的图像中提取信息,并通过保持这些信息的完整性来恢复或调整图像。
- 目标:尽可能忠实于原始图像,注重保留输入图像中的细节和结构。
- 应用场景 :
- 修复受损图像,例如去噪、去除划痕。
- 图像超分辨率(提升图像分辨率)。
- 微小的调整,如颜色校正或轻微修复。
- 特点 :关注的是保留图像中的"已知信息",并在这个基础上进行细微的改动。
2. Image Re-generation(图像再生成)
- 定义 :图像再生成是指基于输入图像的某些特征,生成一个新的图像。生成的图像可能在风格、内容或结构上与原始图像有显著不同。
- 目标:允许较大的改动,强调创造性,可能会改变图像的风格或结构。
- 应用场景 :
- AI风格迁移(Style Transfer)。
- 深度图像生成(例如用GAN生成完全新颖的内容)。
- 内容替换,如将人脸换成另一张脸,或者改变背景。
- 特点 :生成新的内容,可能偏离原始输入图像,具有更多"创造性"。
二者的核心区别
方面 | Image Reconstruction | Image Re-generation |
---|---|---|
保留原始图像 | 保留原始图像的内容和结构 | 允许对原始图像进行较大幅度的改变 |
目标 | 尽可能忠实于输入 | 在输入基础上生成新的内容或样式 |
自由度 | 改动幅度小,限制较多 | 改动幅度大,允许创造性变化 |
方法 | 例如卷积神经网络(CNN)用于修复或重建 | 例如生成对抗网络(GAN)用于新图像生成 |
为什么需要在两者间寻找平衡?
在图像编辑任务中,有时希望既保留原始图像的细节(重建),又能够实现所需的显著变化(再生成) 。如果偏向重建,可能缺乏创新性;如果完全再生成,可能失去了原图的特征。
比如:
- 头像美化:既要保留人物本来的面貌(重建),又希望美化皮肤和光影(再生成)。
- 背景替换:保留主体(重建),但替换为新的背景(再生成)。
所以,图像编辑需要权衡"保留细节"和"生成新内容"这两方面的需求,因为两者在某些情况下可能是对立的,但理想的编辑效果需要找到一个平衡点。
图像编辑问题的核心困难:
困难点:缺少图像对(pairwise image data)
图像编辑任务中,理想情况是通过成对的训练数据(即"输入图像"和"目标编辑结果图像")来学习编辑模型。例如:
- 输入图像:一个普通的人物照片。
- 目标图像:同一个人微笑的照片(仅改变笑容,不改变其他细节)。
问题在于:
- 现实中很少能收集到这种一一对应的成对数据,因为人工生成这样的图像对需要大量时间和资源。
- 缺乏这种配对数据导致模型很难学习如何在保留原图内容的基础上,仅做局部或特定的修改。
解决方法:从对齐(alignment)角度出发
"We address this problem from an alignment perspective."
-
方法:对齐弱编辑模型和强编辑模型
- 弱编辑模型(weak editing model):这里指现有的 Text-to-Image(T2I)模型,例如 DALL-E。这些模型通过重新生成图像(而不是直接编辑原图)来完成"编辑",但很难保证生成的新图像与原图一致。
- 强编辑模型(strong editing model):理想中的图像编辑模型,既能充分保留原图信息,又能完成特定的编辑任务(如修改表情、添加物体等)。
-
关键思想:蒸馏和对齐
- 从 T2I 模型的再生成能力中学习(即"蒸馏"其生成能力)。
- 同时通过技术手段(如对齐过程)提高生成图像与原图之间的一致性(consistency)。
为什么需要解决一致性问题?
"We then distill and align such a weak editing model into a strong one by maximally inherit the re-generation capability while improving image consistency."
-
再生成能力(re-generation capability):
T2I 模型的优势在于可以生成完全不同的图像,这种再生成能力很强,能创造出大量细节。但是,这种能力对图像编辑来说是双刃剑,因为过于自由的生成会破坏原图的基本信息。
-
图像一致性(image consistency):
编辑任务要求生成的图像与原图有高度一致性,例如同一人脸、同一场景,仅改变特定细节(如颜色、姿势)。为了增强一致性,需要通过对齐方法让弱模型更好地保留原图信息,同时实现编辑目标。