摘要：
钠斯网络专注于直播系统源码开发，支持私有化部署与自建流媒体，产品涵盖短视频系统、语聊系统、教育直播、直播带货、体育赛事直播、IM即时通讯系统等，提供全套解决方案与源码交付，助力企业... 
近日，来自中山大学 iSEE 实验室、香港华文大学 MM Lab、新加坡南洋理工大学、香港大学的接洽团队发布了最新接洽效果ProEdit。
该要领通过对珍见解机制和运转噪声潜在散布的"精确手术"，已毕了超高精度的图像与视频裁剪，且全齐无需放哨、即插即用。
△ 图 1. ProEdit 在图像和视频裁剪上与现存要领的对比为什么 AI 裁剪老是"改不动"？
现在，基于反演（Inversion-based）的裁剪要领（如 RF-Solver、FireFlow）时常领受全局注入计谋：为了保抓布景尽量一致，它们会将原图的多数信息强行"塞"进生成过程。
但接洽团队通过文本与图像的珍见解可视化发现，这种作念法存在严重的"源图像信息过度注入"问题：
珍见解过度注入：
现存要领通过全局注入了过多的源图像珍见解特征，导致模子更听源图像的话，而忽略了用户的裁剪教导（Prompt）。
潜在空间锁死：
反演后的运转噪声中残留了太强的源图像散布信息，使得模子倾向于"重建"原图，而不是"裁剪"新图。
死心即是：现存要领下，你思把"橙色猫"改写成"玄色猫"，AI 可能还是给你一只橙色猫。而去除源图像珍见解注入机制，又难以保抓布景和非裁剪属性的一致性。
△ 图 2. 现存要领与去除珍见解注入下的珍见解可视化与裁剪效果 ProEdit 两把精确的"手术刀"
为了破解上述繁难，ProEdit 建议了两个中枢模块，从两个维度拆除源图像信息的扰乱：
△ 图 3. ProEdit 要领概览。
包含 KV-Mix 和 Latents-Shift 两个中枢模块与总体进程 1. KV-Mix：珍见解层面的"夹杂注入机制"
珍见解注入机制关于保抓布景一致性至关进军，但 ProEdit 不再盲目进行全局注入，而是通过珍见解求（Attention Map）提真金不怕火出掩码（Mask），以识别出"裁剪区"和"非裁剪区"。
非裁剪区：全量注入原图的 K（Key）和 V（Value）珍见解特征，保证布景的一致性。
裁剪区：将原图与所在的 K（Key）和 V（Value）珍见解特征按比例夹杂。这种"夹杂"机制让模子既能按照裁剪教导（Prompt）进行裁剪，又能参考原图的结构，已毕平滑过渡。
2. Latents-Shift：潜变量空间的"散布偏移"
受作风移动算法 AdaIN 的启发，ProEdit 引入了 Latents-Shift 模块。
它在裁剪区域通过引入高斯噪声，对反演后的运转噪声（Inverted Noise）进行散布的统计量偏移，从而拆除了源图像散布对运转噪声散布的过度影响。
效果：澈底冲突源图像对裁剪图像属性的"紧箍咒"，让颜料、姿态、数目等属性修改造得不费吹灰之力。
精确裁剪，布景一致
通过上述进程，ProEdit 大要征服裁剪教导，已毕精确、布景一致的裁剪。
△ 图 4. ProEdit 图像裁剪效果对比。
ProEdit 不错即插即用到现存的 Solver 当中进步裁剪效果
与现存基于反演的裁剪要领对比，ProEdit 在以下方面进展出了显赫上风：
布景一致性：
精确的掩码（Mask）永诀出了非裁剪区域，确保了在修改所在属性时布景的一致性。
非裁剪属性的一致性：
在裁剪某个特定属性时（如颜料）时，其他属性（如物体的姿态、纹理特征）大要保抓一致性。
裁剪精确度与教导征服度：
在图像和视频裁剪中均已毕了更澈底、更精确的属性调理。
△ 图 5. ProEdit 裁剪视频效果展示战绩斐然：全线 SOTA，即插即用
为了科学评估 ProEdit 在图像 / 视频的裁剪质地，接洽团队在 PIE-Bench 上进行了图像裁剪实验，在互联网视频构成的视频裁剪数据上进行了视频裁剪实验。
△ 表 1. PIE-Bench 上的图像裁剪实验死心
△ 表 2. 互联网视频数据上的视频裁剪实验死心
实验死心清晰：
ProEdit 在 PIE-Bench 和视频裁剪任务上均赢得了最佳的筹谋，尤其在颜料更动等精确裁剪任务上，显赫优于基线要领。
视频 / 图像双向适配：
ProEdit 双向适配视频和图像裁剪任务，在保抓一致性的同期，大要精确地修改视频和图像施行。
即插即用：
ProEdit 不错竣工适配 FLUX 和 HunyuanVideo 等基于修正流（Rectified Flow）的模子，并大要无缝集成到 RF-Solver、FireFlow、UniEdit 等现存 Solver 中，立竿见影地进步裁剪质地。
归来与沟通
ProEdit 针对基于反演的裁剪中长久存在的"源图像信息过度注入"繁难，提供了一个免放哨（Training-Free）、即插即用（Plug-and-Play）的要领。
通过对珍见解机制和运转噪声潜变量散布的素雅化处理，该接洽冲突了现存要领在裁剪精确度上的瓶颈，科罚了基于反演的裁剪中的裁剪效果与一致性均衡繁难。
ProEdit 通过精确的模块化策画，为生成式裁剪提供了一个高效、低资本且通用的框架。
改日，跟着底层图像和视频生成模子的握住进化，ProEdit 这种无需重放哨、具备强兼容性的要领，其进展将愈加值得期待。
论文畅通：
https://arxiv.org/abs/2512.22118v1
形式主页：
https://isee-laboratory.github.io/ProEdit/
代码仓库：
https://github.com/iSEE-Laboratory/ProEdit
一键三连「点赞」「转发」「防卫心」
接待在批驳区留住你的思法！
— 完 —
咱们正在招聘别称眼疾手快、关心 AI 的学术裁剪实习生 � �
感酷好的小伙伴接待关心 � � 了解细则
� � 点亮星标 � �
科技前沿进展逐日见视频直播团队管理系统
