微細な顔表情編集は、本質的な意味的重複によって長らく制約されてきた。この課題に対処するため、我々は連続的な情動アノテーションを備えた Flex Facial Expression（FFE）データセットを構築し、構造的混乱、編集精度、線形制御性、ならびに表情編集と同一性保持のトレードオフを評価するための FFE-Bench を確立した。さらに、完全対称な共同学習を通じて表情意味を解離させる拡散フレームワーク PixelSmile を提案する。PixelSmile は強度監督と対比学習を組み合わせ、より強力で明確に区別可能な表情を生成し、テキスト潜在空間の線形補間を通じて正確かつ安定した線形表情制御を実現する。広範な実験により、PixelSmile が優れた意味解離と頑健な同一性保持を達成することが示され、連続的・制御可能・微細な表情編集における有効性が確認された。加えて、滑らかな表情のブレンドを自然にサポートすることも実証された。