InverFill：一步反演增强少步扩散图像修复

2026年10月16日，arXiv Computer Vision 报道了 Duc Vu 等作者提出的 InverFill，一种面向图像修复的一步反演方法。该方法针对少步扩散修复，将输入掩码图像的语义信息注入初始噪声，替代随机高斯噪声初始化，从而提升少步扩散修复的保真度。报道称，InverFill 无需训练修复模型，而是以语义对齐噪声驱动少步文生图模型的混合采样流程，在低 NFE 下显著优于原始混合采样，并可媲美专用修复模型。该方法不需要真实图像监督，仅增加极小推理开销，且无需重新训练或大量迭代优化。目前该事件仅有这一篇报道，尚无后续跟进报道，也未出现与早先报道矛盾的数字、时间或说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。