Controllable Generation & Image Editing: 解释文本编辑与属性解耦（prompt editing）。

Core Concept: 通过修改 prompt 或注意力图实现'只改某属性'；关键是定位'哪个 token 影响哪个区域'（注意力编辑）。

数学机理：<strong>'只改一处'的难点</strong>——(a) <strong>prompt 是全局条件</strong>——交叉注意力的 K/V 来自整个文本；故改一个词会影响<strong>所有区域</strong>（因为每个空间位置都可关注任何 token）；(b) <strong>属性耦合</strong>——图像中的属性（颜色、姿态、背景）在潜空间中不'正交'，故改一个可能连带改其他。<strong>三类方法</strong>——(1) <strong>纯 prompt 修改</strong>——最简单（换词、加权重、用'负向提示'）；<strong>局限</strong>——难以'只改一处'（会全局变化）；适合'整体风格/场景'的修改。(2) <strong>注意力编辑（attention editing，Prompt-to-Prompt）</strong>——核心洞察：<strong>交叉注意力的权重图 M（每个空间位置对各 token 的注意力）编码了'哪个 token 影响哪个区域'</strong>；故编辑方式是：(a) <strong>替换（word swap）</strong>——把'原 token 的注意力图'替换为'新 token 的注意力图'（保持其他 token 的图不变）；(b) <strong>添加（prompt refinement）</strong>——为新增的 token 分配注意力；(c) <strong>权重调整（attention re-weighting）</strong>——放大/缩小某 token 的注意力（控制其影响强度）；(d) <strong>区域约束</strong>——只在掩码区域修改某 token 的注意力。<strong>为什么有效</strong>——因为'空间结构'由<strong>注意力图</strong>决定（而非文本本身）；保留未修改 token 的注意力图 = 保留对应的空间结构，从而'只改一处'。(3) <strong>inversion + 编辑</strong>——用 DDIM inversion 反推到噪声，改 prompt（或注意力）后重生成（见 SDEdit/inversion 题）；(4) <strong>属性解耦的专门方法</strong>——(a) <strong>解耦表示学习</strong>（训练'属性正交'的潜空间）；(b) <strong>多条件注入</strong>（把属性作为独立条件，分别控制）；(c) <strong>LoRA 组合</strong>（每个属性一个 LoRA，可独立开关）；(d) <strong>mask 控制</strong>（只在掩码区域应用某属性）。<strong>为什么'属性解耦'难</strong>——(a) <strong>训练目标不要求解耦</strong>——扩散的目标是'生成合理图像'，不要求'属性正交'；(b) <strong>属性在数据中相关</strong>（如'红色'与'苹果'共现）；(c) <strong>潜空间不语义解耦</strong>（见潜空间语义性题）。<strong>评估</strong>——(a) <strong>编辑准确度</strong>（目标属性是否改变）；(b) <strong>非目标保持</strong>（其他属性是否不变）；(c) <strong>真实感</strong>；(d) 人工评估（属性解耦需细看）。<strong>实践建议</strong>——(a) <strong>简单编辑</strong> → 改 prompt（配权重）；(b) <strong>精确局部编辑</strong> → 注意力编辑 + 掩码；(c) <strong>多属性独立控制</strong> → 多条件注入或 LoRA 组合；(d) <strong>需要严格保真</strong> → inversion + inpainting（只改目标区域）。

深度剖析与工程权衡：① <strong>'注意力图编码空间结构'是 Prompt-to-Prompt 的核心洞察</strong>——它使'只改一处'成为可能；面试中能指出这一点是深度理解的标志。② <strong>'纯改 prompt 难以解耦'</strong>——因为 prompt 是全局条件；故需注意力层面的干预或掩码约束。③ <strong>'属性耦合源于数据与训练目标'</strong>——训练不要求解耦，故属性在潜空间相关；这是'解耦难'的根本原因。④ <strong>'掩码是强力的解耦手段'</strong>——只在目标区域应用修改，天然保证'其他区域不变'；故'注意力编辑 + 掩码'是实用组合。⑤ <strong>'LoRA 组合'的灵活性与风险</strong>——每个属性一个 LoRA 可独立开关，但多个 LoRA 叠加可能有干扰（见模型合并题）。⑥ <strong>面试要点</strong>——被问'怎么只改一个属性'，应给出'<strong>纯 prompt（难解耦）+ 注意力编辑（替换/加权/区域约束）+ inversion + 多条件/LoRA 组合 + 掩码约束</strong>'与'<strong>注意力图编码空间结构</strong>'；能指出'属性耦合源于训练目标'是深度理解的标志。