ArticleMetadataMain page

source · 2026-04-15

Contrastive Denoising Score（CVPR 2024）：用于文本引导潜扩散图像编辑的对比去噪评分

#near-cvpr-2025#image-editing#image-generation#diffusion#primary-source

Contrastive Denoising Score（CVPR 2024）：用于文本引导潜扩散图像编辑的对比去噪评分

会议：CVPR 2024
发表日期：2023/11/30
资料加入日期：2026-04-14

一句话结论

这篇工作把 contrastive denoising score 路线补进库里，强化了文本引导潜扩散图像编辑的机制层主线。

问题定义

它要解决的是文本引导潜扩散图像编辑里，如何更有效地驱动编辑方向并保持结果质量的问题。对当前知识库来说，它补的是 image-editing 里机制层优化的一条重要路线。

方法概述

该工作通过 contrastive denoising score 来改进 text-guided latent diffusion image editing，使编辑过程在语义方向上更稳定、更有效。

关键发现

  • 它说明 image-editing 的持续进步还在来自各种细粒度的去噪/评分机制设计。
  • 它让 image-editing 页对“机制层优化”这条路线更完整，而不只停留在 inversion 或数据集。
  • 它能帮助以后把“架构 vs 数据”进一步拆成“主干/去噪机制/数据”三层。

局限或疑问

  • 它更偏内部机制改进，不一定改变任务边界。
  • 机制设计的收益可能依赖特定 latent diffusion 框架。
  • 它适合作为编辑机制分支补层。

原始链接

  • https://arxiv.org/abs/2311.18608
  • https://arxiv.org/pdf/2311.18608

相关页面

备注

Contrastive Denoising Score 在这套库里的作用，是把文本引导潜扩散编辑的机制优化路线补成明确节点。

Metadata

{
  "id": "2026-04-14-contrastive-denoising-score",
  "type": "source",
  "title": "Contrastive Denoising Score（CVPR 2024）：用于文本引导潜扩散图像编辑的对比去噪评分",
  "status": "reviewed",
  "created": "2026-04-14",
  "updated": "2026-04-15",
  "venue": "CVPR 2024",
  "ingested_at": "2026-04-14",
  "tags": [
    "near-cvpr-2025",
    "image-editing",
    "image-generation",
    "diffusion",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Nam, Hyelin",
    "Kwon, Gihyun",
    "Park, Geon Yeong",
    "Ye, Jong Chul"
  ],
  "published_at": "2023/11/30",
  "canonical_links": [
    "https://arxiv.org/abs/2311.18608",
    "https://arxiv.org/pdf/2311.18608"
  ],
  "raw_entry": "raw/ingest/2026-04-14-contrastive-denoising-score/",
  "topics": [
    "topics/image-editing",
    "topics/image-generation",
    "topics/diffusion-models"
  ],
  "entities": [
    "entities/unified-image-generation-editing"
  ],
  "claims": [],
  "questions": [
    "questions/question-data-vs-architecture-in-image-editing"
  ]
}