强烈推荐！图像编辑FlowEdit 对比 FluxFill，效果很是不错哦

在之前的文章中为大家介绍了最新的Flux Tools 的Fill 模型，来精准的实现图像局部重绘，请参考：

• •Flux Tools GGUF本地7G显存玩转Fill局部重绘+扩图，Redux变体+溶图，Canny Depth控制，强烈推荐

那么今天再为大家介绍一款最新的，异常强大的，使用预先训练的流模型进行无反转的基于文本的编辑：FlowEdit。

同时为大家提供了对比 FlowEdit vs FluxFill 工作流，大家可以根据自己的情况自行选择使用。

FlowEdit 简介

FlowEdit：使用预先训练的流模型进行无反转的基于文本的编辑

使用预先训练的文本到图像 (T2I) 扩散/流模型编辑真实图像通常涉及将图像反转为其相应的噪声图。然而，反演本身通常不足以获得满意的结果，因此许多方法另外干预采样过程。此类方法取得了改进的结果，但不能在模型架构之间无缝转移。在这里，介绍一款 FlowEdit，一种用于预训练 T2I 流模型的基于文本的编辑方法，它是免反演、免优化且与模型无关的。我们的方法构建了一个直接映射源分布和目标分布（对应于源文本提示和目标文本提示）的 ODE，并实现了比反演方法更低的传输成本。正如我们通过 Stable Diffusion 3 和 FLUX 所说明的，这会带来最先进的结果。

有用链接

项目地址： https://github.com/fallenshock/FlowEdit

官方地址： https://matankleiner.github.io/flowedit/

在线Demo： https://huggingface.co/spaces/fallenshock/FlowEdit

论文： https://arxiv.org/abs/2412.08629

官方示例图：