In-Context Edit：指令驱动图像生成与编辑

一、教程简介

In-Context Edit 是由浙江大学和哈佛大学于 2025 年 4 月 29 日发布的一款基于指令的图像编辑的高效框架。与以前的方法相比，ICEdit 只有 1% 的可训练参数（200 M）和 0.1% 的训练数据（50 k），表现出强大的泛化能力，能够处理各种编辑任务。与 Gemini 、 GPT4o 等商用模型相比，更加开源，成本更低，速度更快，性能强大 。相关论文成果为「In-Context Edit: Enabling Instructional Image Editing with In-Context Generation in Large Scale Diffusion Transformer」。

本教程采用资源为单卡 RTX 4090，如需达到官方提到的 9 秒生成图片则需要更高配置的显卡。该项目目前只支持英文的文本描述。

该项目使用到的模型：

• normal-lora
• FLUX.1-Fill-dev

二、项目示例

与其他商业模型进行比较 

三、运行步骤

1. 启动容器后点击 API 地址即可进入 Web 界面

若显示「Bad Gateway」，这表示模型正在初始化，由于模型较大，请等待约 1-2 分钟后刷新页面。

2. 使用演示

❗️重要的使用技巧:

• Guidance Scale:  它用于控制生成模型中条件输入（如文本或图像）对生成结果的影响程度。较高的指导值会让生成结果更加贴近输入条件，而较低的值会保留更多随机性。
• Number of inference steps:  表示模型的迭代次数或推理过程中的步数, 代表模型用于生成结果的优化步数。更高的步数通常会生成更精细的结果，但可能增加计算时间。
• Seed:  随机数种子，用于控制生成过程中的随机性。相同的 Seed 值可以生成相同的结果（前提是其他参数相同），这在结果复现中非常重要。

四、交流探讨

🖌️ 如果大家看到优质项目，欢迎后台留言推荐！另外，我们还建立了教程交流群，欢迎小伙伴们扫码备注【SD 教程】入群探讨各类技术问题、分享应用效果↓

引用信息

感谢 Github 用户 SuperYang  对本教程的部署。本项目引用信息如下：

@misc{zhang2025ICEdit,
      title={In-Context Edit: Enabling Instructional Image Editing with In-Context Generation in Large Scale Diffusion Transformer}, 
      author={Zechuan Zhang and Ji Xie and Yu Lu and Zongxin Yang and Yi Yang},
      year={2025},
      eprint={2504.20690},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2504.20690}, 
}