1. 튜토리얼 소개

칭화대학교 인공지능학과에서 2025년 2월 25일에 시작한 KV-Edit 프로젝트는 원본 이미지와 편집된 이미지 간의 배경 일관성을 엄격하게 유지하는, 학습이 필요 없는 이미지 편집 방법입니다. 객체 추가, 제거, 교체 등 다양한 편집 작업에서 뛰어난 성능을 보여줍니다. KV-Edit의 핵심은 배경 정보를 레이블로 지정한 키-값 쌍을 저장하는 키-값 캐시를 활용하는 데 있습니다. 이러한 키-값 쌍은 이미지 반전 과정에서 보존되며, 노이즈 제거 단계에서는 전경 콘텐츠와 결합되어 배경과 자연스럽게 통합된 새로운 콘텐츠를 생성합니다. 이 접근 방식은 복잡한 메커니즘이나 값비싼 학습 요구 사항 없이 배경 일관성과 전반적인 이미지 품질을 보장합니다. 관련 논문 결과는 다음과 같습니다. KV-Edit: 정확한 배경 보존을 위한 훈련 없는 이미지 편집 .

이 튜토리얼에서는 단일 카드 A6000에 대한 리소스를 사용합니다.

👉 이 프로젝트는 두 가지 모델을 제공합니다.

• 블랙포레스트랩스/FLUX.1-dev: FLUX.1[dev]은 텍스트 설명으로부터 이미지를 생성할 수 있는 120억 개의 매개변수를 갖는 정류 스트림 변환기입니다.
• 블랙포레스트랩스/FLUX.1-슈넬: FLUX.1[schnell]은 텍스트 설명으로부터 이미지를 생성할 수 있는 120억 개의 매개변수를 갖는 정류 흐름 변환기입니다.

프로젝트 예시

2. 작업 단계

1. 컨테이너 시작 후 API 주소를 클릭하여 웹 인터페이스로 진입합니다.

"잘못된 게이트웨이"가 표시되면 모델이 초기화 중임을 의미합니다. 모델이 크기 때문에 1~2분 정도 기다리신 후 페이지를 새로고침해 주세요.

2. 웹페이지에 접속 후 모델과 대화를 시작할 수 있습니다.

단계:
1️⃣ 편집하고 싶은 사진을 업로드하세요.
2️⃣ 소스 큐 단어를 입력하고 "반전" 버튼을 클릭하여 이미지 반전을 수행합니다.
3️⃣ 브러시 도구를 사용하여 마스크 영역을 칠합니다.
4️⃣ 타겟 큐를 입력하고 하이퍼파라미터를 조정하세요.
5️⃣ "편집" 버튼을 클릭하여 편집된 이미지를 생성하세요.

❗️중요 사용 팁:

• 이미지는 100KB를 초과할 수 없습니다.
• 반전 기반 버전을 사용하는 경우 각 이미지를 한 번만 반전시키고, 여러 번 편집을 시도할 때마다 3~5단계를 반복하면 됩니다!
• re_init은 반전된 결과 대신 노이즈가 포함된 이미지 혼합을 사용하여 새로운 콘텐츠를 생성하는 것을 의미합니다.
• attn_mask 옵션을 선택하면 반전을 수행하기 전에 마스크를 입력해야 합니다.
• 마스크가 크고 건너뛰기 단계나 re_init이 적게 사용되는 경우 마스크된 영역의 내용이 배경과 불연속적일 수 있습니다. attn_scale을 늘려보세요.
• inverse는 반전을 의미하고, edit는 배경을 제거하기 위해 편집하는 것을 의미합니다.
• 건너뛰기 단계 수는 건너뛰기 단계의 수를 제어합니다.
• 역전 안내 역전 안내 매개변수입니다.
• 소음 제거 안내 소음 감소 안내 매개변수입니다.

교류 및 토론

🖌️ 고품질 프로젝트를 발견하시면, 백그라운드에 메시지를 남겨 추천해주세요! 또한, 튜토리얼 교환 그룹도 만들었습니다. 친구들의 QR코드 스캔과 [SD 튜토리얼] 댓글을 통해 그룹에 가입하여 다양한 기술 이슈에 대해 논의하고 신청 결과를 공유해 주시기 바랍니다.↓

인용 정보

Github 사용자에게 감사드립니다 장준창  이 튜토리얼을 배포하기 위한 프로젝트 참조 정보는 다음과 같습니다.

@article{zhu2025kv,
  title={KV-Edit: Training-Free Image Editing for Precise Background Preservation},
  author={Zhu, Tianrui and Zhang, Shiyi and Shao, Jiawei and Tang, Yansong},
  journal={arXiv preprint arXiv:2502.17363},
  year={2025}
}