论文解读 · 2026年10月24日

用可复用图层编辑图像：基于合成的编辑先验蒸馏（LayerEditor）

Editing Images into Reusable Layers via Compositional Edit-Prior Distillation

将基于指令的图像编辑与 RGBA 图层生成放在同一个 token 序列中联合训练，并以 On-policy 方式蒸馏教师模型的编辑能力，在保持编辑质量的同时获得精确的图层。

问题

现有编辑模型只输出所有元素合并在一起的单张结果，难以进行细节修改或元素复用。先编辑再用分解模型拆分图层的方法，两个阶段分别优化，导致图层不完整或不整洁。直接将预训练编辑模型微调用于图层输出，也会削弱原有的编辑能力。

方法

用 rank-256 LoRA 扩展了 FireRed-Image-Edit-1.1。将编辑后的画布与 N 个图层的 RGB 和 alpha 字段放入同一序列中联合去噪（In-Context RGB-Alpha Token Modeling）。字段和堆叠顺序通过图层感知的 RoPE 坐标区分，alpha 由专用解码器还原。C-EPD 在学生模型去噪轨迹的中间状态上查询冻结的原始编辑模型（教师模型）。该教师模型同时监督直接输出的速度，以及对预测图层进行 alpha 合成后的图像。训练数据方面，构建了 LayerEditor-100K，包含 10 万对文本、对象、海报外观编辑以及 2~10 个图层的标注。

结果

在 Crello-Testset（2,994 例）上，合成图像 SSIM 为 0.8351，高于 Seedream5-Pro Joint（0.7902）；合成 FID 为 33.86，低于 FR+QIL-Decomp-FT（57.15）。
在 Crello-Testset 图层指标上，Alpha IoU 为 0.6074（Seedream5-Pro Joint 为 0.5139），RGBA L1 为 0.0350（QIL-Edit-SFT 为 0.0993），在对比方法中最好。
在 ScaleEdit-Testset（1,000 例）上，合成 SSIM 为 0.8839，高于 Seedream5-Pro Joint（0.8365）；Alpha IoU 为 0.6802（0.6583），为最高。
直接输出 SSIM 在 Crello 上为 0.8530，与 Seedream5-Pro 顺序方式（0.8586）水平相近。这被作为在增加图层输出的同时保持编辑质量的依据。
在评分细则得分（1~10）上，编辑一致性 6.14、图层分割 6.83 等，Crello 所有项目均为最高。

局限

数据和基准基于 Crello、PrismLayersPro 等平面设计数据以及 ScaleEdit，仅凭这些实验无法判断能否泛化到自然照片的复杂图层分解。图层数最多限制为 10 个。评分细则得分依赖自动评估。Seedream5-Pro 因 API 限制未能评估部分文档。

意义

在广告、电商设计这类需要反复修改成果的工作中，可以直接把编辑结果作为可独立修改的图层获取。在将预训练模型扩展到新输出格式时，它也可作为保留原有能力的 On-policy 蒸馏用法参考。

关键术语

RGBA 图层: 同时带有颜色（RGB）和不透明度（alpha）的图像层。按从后到前的顺序叠加合成，即得到最终图像。
On-policy Distillation: 在学生模型实际经过的状态上向教师模型查询以获得目标的蒸馏（知识蒸馏）方式。它缩小训练数据分布与实际生成分布之间的差距。
Alpha 合成（Alpha Compositing）: 用各图层的 alpha 值将前方图层与后方背景混合成一张图像的标准运算。
LoRA: 冻结原始权重，只额外训练小型低秩矩阵，从而高效微调模型的技术。

原文

作者: Wen Xue, Yong Liu, Xueheng Li, Si Wu, Yong Xu, Yipeng Sun, Yan Li, Simiu Gu · 发布 2026-10-17 · 许可 CC BY 4.0 · 基于全文分析

本解读是 AI 阅读论文后撰写的摘要，请以论文原文为准。