ArticleMetadataMain page

source · 2026-04-15

QK-Edit（ICCV 2025）：在 MM-DiT 中重新审视图像与视频编辑的 attention 注入

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

QK-Edit（ICCV 2025）：在 MM-DiT 中重新审视图像与视频编辑的 attention 注入

会议：ICCV 2025
发表日期：2025-01-01
资料加入日期：2026-04-14

一句话结论

这篇工作把 MM-DiT 时代的 attention-based editing 机制单独拎出来重做，补上了图像/视频编辑进入多模态 DiT 主干后的关键方法节点。

问题定义

它要解决的是传统 U-Net 时代常见的 attention manipulation 方法在 MM-DiT 框架下失效的问题。对当前知识库来说，它补的是统一图像/视频编辑系统在新主干上如何继续保持可编辑性的关键路线。

方法概述

QK-Edit 提出 training-free 的 query-key manipulation 策略，利用 MM-DiT 的多模态自注意力动态，在推理阶段实现文本引导的图像与视频编辑，强调在 prompt fidelity 与结构一致性之间取得平衡。

关键发现

  • 它说明进入 MM-DiT 时代后，编辑方法并没有消失，而是在 attention 注入机制层面发生了重写。
  • 它把 image-editing 与 video-editing 再次拉到同一技术接口上，强化了统一生成-编辑主线。
  • 它也为之后分析 DiT/MM-DiT 是否真的会成为默认可扩展编辑主干提供了强证据。

局限或疑问

  • 它更偏机制层创新，不直接回答数据构造问题。
  • training-free 注入策略的泛化边界还需要更多模型和任务验证。
  • 它强化了编辑可行性，但不等于已经解决更高层的编辑理解问题。

原始链接

  • https://openaccess.thecvf.com/content/ICCV2025/html/Shen_QK-Edit_Revisiting_Attention-based_Injection_in_MM-DiT_for_Image_and_Video_ICCV_2025_paper.html

    • https://openaccess.thecvf.com/content/ICCV2025/papers/Shen_QK-Edit_Revisiting_Attention-based_Injection_in_MM-DiT_for_Image_and_Video_ICCV_2025_paper.pdf

相关页面

备注

QK-Edit 在这套库里的作用，是把 MM-DiT 时代的统一图像/视频编辑机制补成明确节点。

Metadata

{
  "id": "2026-04-14-qk-edit",
  "type": "source",
  "title": "QK-Edit（ICCV 2025）：在 MM-DiT 中重新审视图像与视频编辑的 attention 注入",
  "status": "reviewed",
  "created": "2026-04-14",
  "updated": "2026-04-15",
  "venue": "ICCV 2025",
  "ingested_at": "2026-04-14",
  "tags": [
    "near-cvpr-2025",
    "image-editing",
    "video-editing",
    "image-generation",
    "control",
    "diffusion",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Tiancheng Shen",
    "Zilong Huang",
    "Xiangtai Li",
    "Zhijie Lin",
    "Jiyang Liu",
    "Yitong Wang",
    "Jiashi Feng",
    "Ming-Hsuan Yang",
    "Jun Hao Liew"
  ],
  "published_at": "2025-01-01",
  "canonical_links": [
    "https://openaccess.thecvf.com/content/ICCV2025/html/Shen_QK-Edit_Revisiting_Attention-based_Injection_in_MM-DiT_for_Image_and_Video_ICCV_2025_paper.html"
  ],
  "https": "//openaccess.thecvf.com/content/ICCV2025/papers/Shen_QK-Edit_Revisiting_Attention-based_Injection_in_MM-DiT_for_Image_and_Video_ICCV_2025_paper.pdf",
  "raw_entry": "raw/ingest/2026-04-14-qk-edit/",
  "topics": [
    "topics/image-editing",
    "topics/video-editing",
    "topics/image-generation"
  ],
  "entities": [
    "entities/unified-image-generation-editing",
    "entities/video-editing-understanding"
  ],
  "claims": [],
  "questions": [
    "questions/question-will-unified-image-models-sustain-their-advantage",
    "questions/question-do-benchmarks-track-real-video-editing-understanding"
  ]
}