arXiv 2610.22328 · cs.CV · 2026-10-15

ACEdit: Stable Multi-Turn Image Editing via Asymmetric Conditioning

Sara Dorfman, Nir Goren, Gal Barak, Daniel Cohen-Or, Or Patashnik

Tel Aviv University

一句话要点

ACEdit通过自生成条件与教师模型蒸馏，实现了多轮图像编辑中的稳定性，显著减少编辑过程中的质量退化。

ACEdit achieves stable multi-turn image editing via asymmetric conditioning and distillation, reducing quality degradation over long sequences.

要点

多轮图像编辑中，每一步都引入分布偏移，导致最终结果质量下降，这是传统模型的主要问题。
提出自生成条件训练方案，通过学生模型自身输出作为输入进行训练，引入‘自强迫’机制增强稳定性。
由于自生成轨迹与真实轨迹存在偏差，直接监督不可靠，采用教师模型蒸馏提供稳定训练信号。
实验表明，在长序列多轮编辑中，ACEdit显著抑制了质量退化，同时保持编辑指令的准确性和图像质量。

English overview

ACEdit addresses the degradation of image editing quality over multiple turns by introducing asymmetric conditioning and a teacher-student distillation framework. The student model edits its own outputs sequentially, while a teacher model, anchored to the original image, provides reliable supervision via compound instructions. This setup stabilizes the distribution shift during multi-turn editing, preserving quality across long sequences.

只根据 arXiv 官方摘要，由开源模型整理，经数字/专名自动核对（必须在摘要中出现），以论文原文为准。

16HF 点赞

–GitHub stars

–引用（Semantic Scholar）

–热度分

阅读 arXiv 原文 PDF Hugging Face 讨论项目页