【closerAI ComfyUI】太棒了！超高速修图解决方案！IC-Edit+nunchaku应该是目前图像编辑领域最优解！冲

添加图片注释，不超过 140 字（可选）

更多AI前沿科技资讯，请关注我们：

closerAI-一个深入探索前沿人工智能与AIGC领域的资讯平台

【closerAI ComfyUI】太棒了！超高速修图解决方案！IC-Edit+nunchaku应该是目前图像编辑领域最优解！冲！

大家好，我是Jimmy。随着生成式AI的快速发展，基于自然语言指令的图像编辑技术成为数字创作领域的核心需求。然而，现有方法在精度与效率之间始终存在难以调和的矛盾：

• 传统微调方法依赖海量数据和算力，训练成本高昂；

• 零样本编辑技术（如Prompt-to-Prompt）则受限于指令理解能力和编辑质量。

浙江大学与哈佛大学联合团队针对这一痛点，提出ICEdit（In-Context Edit）框架，通过融合大规模扩散变换器（Diffusion Transformer, DiT）的生成潜力与上下文感知机制，实现了轻量化、高精度、强泛化的图像编辑解决方案。

ICEdit：基于大规模扩散变换器的上下文图像编辑框架

——开启高效精准的AI图像编辑新时代

添加图片注释，不超过 140 字（可选）

论文地址：https://river-zhang.github.io/ICEdit-gh-pages/

项目仓库：https://github.com/River-Zhang/ICEdit?tab=readme-ov-file

模型下载地址：https://huggingface.co/sanaka87/ICEdit-MoE-LoRA

ICEdit的核心创新

1. 上下文驱动的零样本编辑范式

ICEdit摒弃传统模型微调模式，直接利用扩散变换器（DiT）的上下文感知能力完成编辑任务：

• 输入形式：用户仅需提供原始图像与自然语言指令（如“将背景改为夜晚”），模型通过双联图像对（源图+目标图）的上下文提示生成编辑结果。

• 技术优势：无需修改网络结构，避免重复训练，显著降低计算开销。

2. LoRA-MoE混合调优策略

为实现高效参数适配，ICEdit采用低秩适配器（LoRAÿ