UniSlider：用于连续图像编辑的感知均匀滑块

滑块为连续图像编辑提供了直观的交互界面。然而，在当前的生成式方法中，滑块实际上只是对方法强度参数的重新缩放，例如适配器系数、提示词权重或插值因子。该强度与感知变化之间的对应关系并不理想。随着滑块移动，图像可能会出现部分回退；滑块范围中的很长一段不会产生可见差异，而较短的区间却会使图像发生突变。重新映射强度或许可以修正这种不均匀的变化速度，但前提是变化轨迹具有单调性，而当前方法并未对此加以保证。因此，我们将滑块与强度区分开来，并要求图像相对于输入图像的感知距离随滑块值线性增长。我们提出了 UniSlider：一种在少步编辑主干网络上训练的轻量级 LoRA，使其强度近似于这一理想滑块。少步采样使我们能够在没有中间真实标注的情况下，直接在像素空间中施加这一目标；同时，主干网络在满强度下的输出得以保留。然而，低秩适配器无法使强度达到完全均匀。因此，我们的滑块采用推理时的强度重新映射，该映射通过自适应采样获得。由于训练过程会优化变化轨迹的单调性，这种重新映射无需额外训练或参数，便可弥合剩余差距。在一个包含 300 个连续编辑、用于评估均匀性、单调性、编辑保真度和身份保持能力的新基准测试中，UniSlider 的表现优于所有现有方法，并在用户研究中更受偏好。