EDITBRIDGE: Towards Faithful and Efficient Ultra-High-Resolution Image Editing

High-resolution image editing is increasingly demanded in professional workflows, yet existing diffusion-based models remain constrained to resolutions below 1K due to quadratic attention complexity and prohibitive memory requirements. A prevalent workaround employs a two-stage pipeline: editing at low resolution followed by independent super-resolution. However, this approach suffers from two critical issues: information divergence, where hallucinated details contradict the original high-resolution (HR) source, and texture degradation, manifesting as over-smoothed or over-sharpened artifacts. We propose EditBridge, a diffusion bridge framework for efficient ultra high-resolution editing. Unlike conventional diffusion that regenerates from noise, we formulate refinement as structured data-to-data translation from the low-resolution (LR) edited result to its HR counterpart, explicitly conditioned on the original HR source to preserve authentic details. To efficiently incorporate HR source guidance, we introduce a prior-guided block-wise sparse attention mechanism that exploits semantic correspondence from first-stage editing to constrain cross-image interactions to spatially aligned regions, significantly reducing computational overhead. Extensive experiments demonstrate that EditBridge achieves high-fidelity editing with superior perceptual quality at resolutions up to 4K, delivering 3.6--8.4times speedup at 2K and enabling practical 4K editing in 61 seconds.

한 줄 요약

EditBridge는 초고해상도 이미지 편집에서 정보 분산과 텍스처 저하 문제를 해결하며 4K 편집을 61초 내 수행하는 확률적 다리 기반 프레임워크이다.

핵심 기여도

**Diffusion Bridge 기반 편집 프레임워크**를 제안하여, 기존 노이즈 재생성 방식 대신 저해상도 편집 결과를 고해상도로 구조화된 방식으로 전환.
**Prior-Guided Block-wise Sparse Attention** 모듈을 도입하여, HR 원본 이미지와의 의미적 대응 관계를 기반으로 계산 효율성을 3.6–8.4× 향상.
**4K 해상도 편집**을 61초 내 수행하며, 기존 확률 모델 대비 최대 2.2× 가속.
**정보 분산 및 텍스처 저하** 문제를 해결하여, 편집 결과가 원본과 일관된 고정밀 텍스처를 보장.

핵심 아이디어

기존 두 단계 파이프라인(저해상도 편집 + 독립적 SR)은 SR 과정에서 원본 HR 이미지의 가이던스가 없어 정보 분산과 텍스처 저하가 발생한다. EditBridge는 이 문제를 해결하기 위해, **확률적 다리**(diffusion bridge)를 기반으로, **저해상도 편집 결과에서 고해상도로의 구조화된 전환**(structured data-to-data translation)을 수행한다. 이는 기존 확률 모델이 노이즈에서 이미지를 생성하는 방식과 달리, 편집된 저해상도 이미지의 구조를 유지하면서 고해상도 텍스처를 보완하는 방식이다.

또한, **Prior-Guided Block-wise Sparse Attention**을 통해 HR 원본 이미지의 의미적 대응 관계를 기반으로, **공간적으로 정렬된 영역에만 주의 집중**(cross-image interaction)을 제한함으로써, 계산 복잡도를 줄이고, 불필요한 토큰 간 상호작용을 제거한다. 이는 **전역 어텐션의 제곱 복잡도 문제를 해결**하며, **정확한 텍스처 합성과 계산 효율성의 균형**을 유지한다.

기술적 접근법

**Diffusion Bridge 기반 편집**
저해상도 편집 결과를 고해상도로 변환하는 확률적 다리 모델을 사용.
기존 확률 모델이 노이즈에서 이미지를 생성하는 방식 대신, 편집된 저해상도 이미지를 기반으로 구조를 유지하면서 고해상도 텍스처를 보완.
**Prior-Guided Block-wise Sparse Attention**
HR 원본 이미지와의 의미적 대응 관계를 기반으로, **공간적으로 정렬된 영역에만 어텐션을 집중**.
**전역 어텐션 대신 블록 단위로 토큰을 선택적으로 처리**하여, 계산 복잡도를 줄임.
**DiT 기반 프레임워크**
확률적 변환을 위한 Diffusion Transformer(DiT) 기반 구조를 사용.
**하이퍼파라미터**: 편집 단계에서 단일 추론 단계(N=1)를 사용하여, 1K 이미지 편집은 0.84초 소요.

주요 결과

**4K 해상도 편집**에서 **61초 내 수행**.
**2K 해상도에서 3.6–8.4× 가속**.
**Prior-Guided Sparse Attention**은 **Full Attention 대비 텍스처 저하 감소**와 **계산 비용 2.2× 감소**를 달성.
**정보 분산**(hallucinated details) 문제를 해결하여, **편집 결과가 원본 HR 이미지와 일관된 고정밀 텍스처**를 보장.

의의 및 한계

EditBridge는 기존 확률 모델의 제곱 복잡도 문제와 SR 파이프라인의 정보 분산 문제를 해결하며, **실용적인 초고해상도 편집을 가능하게 하는 기술적 혁신**을 제공한다. 특히, **Prior-Guided Sparse Attention**은 **계산 효율성과 텍스처 정확도를 동시에 달성**하는 데 기여하며, **4K 편집의 실현 가능성**을 높인다.

하지만, **편집 영역이 매우 넓거나 복잡한 경우**, 의미적 대응 관계 추출이 어려워질 수 있으며, **HR 원본 이미지의 품질이 낮은 경우** 텍스처 보존이 제한될 수 있다. 또한, **편집 단계에서 단일 추론 단계(N=1)**를 사용하는 방식은 **정밀도와 속도의 균형**을 유지하기 위한 선택이기 때문에, **복잡한 편집 작업에는 추가 연구가 필요**할 수 있다.

실용적 활용

EditBridge는 **영상 제작, 디지털 콘텐츠 편집, 의료 이미지 처리** 등에서 **고해상도 이미지의 신속하고 정확한 편집**이 필요한 분야에 적용 가능하다. 특히, **4K 이상 해상도의 실시간 편집이 요구되는 산업 현장**에서 유용하며, **대규모 이미지 데이터셋을 처리하는 연구 환경**에서도 활용도가 높다.