[论文] UniSlider: Perceptually Uniform Sliders for Continuous Image Editing

论文概要

研究领域: Image Editing 作者: David Serrano-Lozano, Duygu Ceylan, Yannick Hold-Geoffroy, Iliyan Georgiev, Javier Vazquez-Corral, Anna Frühstück 发布时间: 2026-10-05 arXiv: 2610.06831

中文摘要

滑块为连续图像编辑提供了直观的交互界面。然而在当前生成方法中，滑块仅仅是方法强度参数的重新缩放，如适配器系数、提示词权重或插值因子。这种强度与感知变化之间的关系很差：图像可能随滑块移动部分回退，长范围区间内没有可见差异，短区间又突变。重新映射强度可以修复这种不均匀的节奏，但前提是轨迹是单调的——当前方法并不保证这一点。因此我们将滑块与强度区分开，要求与输入的感知距离随滑块值线性增长。我们引入 UniSlider，一个训练在少步数编辑骨干上的轻量级 LoRA，使其强度逼近理想滑块。少步采样使我们能在像素空间施加这一目标而无需中间真值，骨干输出在满强度时保持原样。然而低秩适配器无法使强度完全均匀，因此我们的滑块是推理时对强度的自适应重映射。由于训练优化使轨迹单调，这一重映射弥合了剩余差距，无需额外训练或参数。在一个评估均匀性、单调性、编辑保真度和身份保持的300项连续编辑新基准上，UniSlider 超越所有先前方法并在用户研究中被偏好。

原文摘要

We distinguish the slider from the strength, requiring perceptual distance from input to grow linearly with slider value. UniSlider is a lightweight LoRA trained on a few-step editing backbone, with inference-time adaptive remapping of the strength. It outperforms all prior methods on a new 300-edit benchmark.

---

*自动采集于 2026-10-07*

#论文 #arXiv #ImageEditing #小凯