Guidance & Fast Sampling (CFG / DDIM): 解释扩散模型的潜在空间编辑（SDEdit / inversion）。

Core Concept: SDEdit：加噪到中间步再用新提示去噪；inversion：用确定性采样把图像反推到噪声，再改提示重生成。

数学机理：<strong>SDEdit（Meng 等 2022）</strong>——(1) <strong>加噪</strong>——把真实图像 x_0 用前向过程加噪到中间时间步 t（用闭式解：x_t=√ᾱ_t x_0+√(1−ᾱ_t)ε）；(2) <strong>去噪</strong>——从 x_t 出发，用<strong>新的 prompt</strong> c' 做反向采样（而非从纯噪声出发）。<strong>效果</strong>——(a) <strong>保留原图的低层结构</strong>（因为 x_t 保留了部分原图信息）；(b) <strong>改变高层语义/风格</strong>（因为去噪时用新 prompt 引导）；(c) <strong>t 控制编辑强度</strong>——t 小（加噪少）→ 保留多、变化小；t 大（加噪多）→ 保留少、变化大（接近'重新生成'）。<strong>典型应用</strong>——图像翻译（'把照片变成油画'）、风格迁移、局部修改、草图上色。<strong>Inversion（反演）</strong>——(1) <strong>反推</strong>——用<strong>确定性采样器</strong>（DDIM/DPM-Solver）把真实图像 x_0 <strong>反向</strong>推到噪声 x_T（DDIM inversion：沿 ODE 反向积分）；(2) <strong>修改</strong>——改变 prompt（或做插值/编辑）；(3) <strong>重生成</strong>——从 x_T 正向采样得到 x_0'。<strong>与 SDEdit 的差异</strong>——(a) <strong>SDEdit</strong> 是'加噪到中间步'（不精确反推，因为加噪是随机的）；(b) <strong>Inversion</strong> 是'精确反推到起点'（需要确定性采样，故可逆）；(c) Inversion 理论上能'完全重建原图'（若不改 prompt，x_0'≈x_0），故编辑更精确。<strong>Inversion 的核心问题</strong>——<strong>误差累积</strong>：DDIM inversion 是近似可逆的（数值误差 + 线性化近似），故反推再正向会<strong>偏离原图</strong>（不能完全重建）。缓解：(a) <strong>Null-text inversion</strong>（优化 null 条件以精确重建）；(b) <strong>EDICT</strong>（用两分支耦合实现精确可逆）；(c) <strong>BDIA</strong>（双向积分近似）；(d) <strong>用更高阶求解器</strong>（减少误差）。<strong>其他编辑方法</strong>——(a) <strong>Prompt-to-Prompt</strong>（在注意力层做编辑：替换/添加/删除 token 的注意力图）；(b) <strong>Attention injection</strong>（把原图的注意力注入新生成）；(c) <strong>Cross-attention 编辑</strong>（只改特定区域的注意力）；(d) <strong>InstructPix2Pix</strong>（用指令微调的编辑模型）；(e) <strong>局部重绘（inpainting）</strong>（只改掩码区域）。<strong>评估</strong>——(a) <strong>重建保真度</strong>（不改 prompt 时能否重建原图）；(b) <strong>编辑准确度</strong>（是否实现目标修改）；(c) <strong>非目标区域的一致性</strong>（未编辑区域是否保持）；(d) 人工评估。<strong>实践建议</strong>——(a) <strong>简单编辑/风格迁移</strong> → SDEdit（简单、无需反演）；(b) <strong>精确编辑/保留原图</strong> → inversion（+ Null-text/EDICT 减少误差）；(c) <strong>局部编辑</strong> → inpainting（掩码 + 重绘）；(d) <strong>指令式编辑</strong> → InstructPix2Pix 类模型。

深度剖析与工程权衡：① <strong>'t 控制编辑强度'是 SDEdit 的核心旋钮</strong>——t 小保留多、t 大变化大；这是'保真 vs 编辑'的连续调节。② <strong>'Inversion 的误差累积'是主要难题</strong>——DDIM inversion 是近似可逆的；故有 Null-text/EDICT 等改进；面试中能提到这一点是深度理解的标志。③ <strong>'SDEdit 不需反演'是它的优势</strong>——简单、通用（可用于任意图像）；代价是'不精确'（无法保证保留原图的所有细节）。④ <strong>'编辑的关键是'保留什么、改变什么'</strong>——不同方法在'保留低层结构'与'改变高层语义'之间取舍；故需按任务选。⑤ <strong>'与条件控制的关系'</strong>——SDEdit/inversion 是'基于已有图像'的编辑；ControlNet/IP-Adapter 是'基于额外条件'的控制（见条件控制题）；两者可组合（如用 ControlNet 保持结构 + 用 prompt 改风格）。⑥ <strong>面试要点</strong>——被问'怎么编辑图像'，应给出'<strong>SDEdit（加噪到 t + 新 prompt 去噪，t 控强度）+ Inversion（确定性反推 + 改 prompt 重生成，有误差累积）+ Prompt-to-Prompt / inpainting</strong>'；能指出'Null-text inversion 解决重建误差'是深度理解的标志。