本论文共同第一作者闫泽轩和马跃分别是上海交通大学人工智能学院 2025级研究生，以及香港科技大学 2024级博士生。目前在上海交通大学EPIC Lab进行科研实习，接受张林峰助理教授指导，研究方向是 高效模型和AIGC。 本文主要介绍张林峰教授的团队的最新论文： EEdit ⚡ : Rethinking the Spatial and Temporal Redundancy for Efficient Image Editing。 这是首个用于加速匹配流模型上兼容多种引导方案的图像编辑框架。该框架速度提升显著，较原始工作 流可加速2.4倍；并且输入引导条件灵活，支持包括参考图像引导，拖拽区域引导，提示词引导的多种 编辑任务；该框架采用免训练的加速算法，无需微调和蒸馏。 该论文已经入选ICCV 2025。 论文链接： https://arxiv.org/pdf/2503.10270 论文已开源： https://github.com/yuriYanZeXuan/EEdit 最近，基于流匹配（ Flow Matching）的扩散模型训练方式逐渐成为扩散模型的热点，以其优雅简洁 的数学形式和较短时间步的生成能力吸引 ...