大三本科生，一块老泰坦，拿下CVPR最佳学生论文提名

计算机视觉顶会 CVPR 2026 获奖名单正式出炉。

今年CVPR看点是广东：何恺明再获至高大奖，广工大打破大厂名校垄断

其中，一篇由本科生主导完成的论文不仅成功中稿 Oral，还一举拿下最佳学生论文提名奖，引发了大家的关注。

奖项公布后，有网友发帖称，「感觉蛮励志的」，论文的第一作者Liangsi Lu和通讯作者Yang Shi均为广东工业大学的在读本科生，实验甚至是在一块古早的 NVIDIA Titan 显卡上跑出来的。

最佳学生论文提名

一行公式干翻多步推理

论文题目：ChordEdit: One-Step Low-Energy Transport for Image Editing

作者：卢梁司（广东工业大学，一作）、Xuhang Chen（惠州学院）、Minzhe Guo（广东工业大学）、Shichu Li（深圳大学）、Jingchao Wang（北京大学）、Yang Shi（广东工业大学，通讯作者）

两个本科生，组队登顶会

 

 

这篇ChordEdit的一作卢梁司（Liangsi Lu）和通讯作者Yang Shi，都是广东工业大学本科在读生。

卢梁司来自数学与统计学院，专业是信息与计算科学，研究方向是表示学习和视觉生成。

在他看来，视觉是人与世界交互的高带宽接口，视觉表示可以捕捉到文本无法描述的规律，帮助AI与人类共同发现物理法则、学习鲁棒的世界模型。

基于这个方向，他做了RLSTG（建模真实世界非欧几何的连续神经动力系统）和ChordEdit（高效稳定地增强生成模型抓取真实语义的编辑框架）。

Yang Shi来自计算机学院，预计2027年毕业，研究方向是计算机视觉和数据挖掘。

两个不同学院的本科生，组成了搭档。

然后他们半年内交出了这样一张成绩单。

Yang Shi的个人主页显示，截至目前他以一作或sole通讯作者身份，入选了5个顶会：

• CVPR 2026（ChordEdit，sole通讯，最佳学生论文提名）

• ICML 2026（sole通讯，图像编辑语义粒度导航）

• KDD 2026（一作，图上的过度挤压问题）

• ACL 2026（一作，多模态推理错误检测基准）

• WWW 2026（sole通讯，黎曼液态时空图网络）

这些工作横跨图像编辑、图神经网络、多模态推理、数据挖掘四个完全不同的方向，从视觉生成到时空图建模，再一路到VLM评测。

 

 

 

问题有多棘手

回到CVPR 2026这篇论文。

如今，一步式文生图模型（SD-Turbo、SwiftBrush这类）已经把生成速度拉到了极限，但速度快的代价是，这类模型做图像编辑的时候几乎不能用。

现有的training-free编辑方法（FlowEdit、Direct Inversion这些），原理上都依赖多步推理来平均掉轨迹中的不稳定性。强行压到一步，画面崩掉。物体扭曲变形，背景乱飘，编辑区和非编辑区的一致性完全丧失。

总结来说就是，一步推理意味着你必须沿着一条极其粗糙的路径，一大步迈到目标位置。路径越粗糙，轨迹能量越高，结果越不可控。

这个问题不是调参能解决的，是数学层面的结构性缺陷。

 

 

解法从哪来

卢梁司的解法，来自一套跨越两个世纪的数学。

最优传输问题最早由法国数学家Monge在1781年提出，之后经历了Kantorovich在1940年代的线性规划松弛、Brenier在1991年的二次代价求解。

到2000年，Benamou和Brenier给出了动态最优传输的流体力学形式，也就是ChordEdit直接依赖的框架。

具体来说，ChordEdit把图像编辑重新定义为源分布（原图+原始prompt）和目标分布（原图+编辑后prompt）之间的传输问题。

朴素方法直接拿两个漂移场的差值做编辑，单步推理下噪声极大。ChordEdit则把这个差值场在两个相邻时间点的观测做加权平均，得到一个低能量的Chord Control Field。

这个操作相当于一个时间维度上的平滑算子。漂移场被平滑之后，方差被压下来，能量降下来，天然就适合用一步积分走完全程。

整个方法的核心，浓缩成一个等式（Eq. 4.5），一行加权平均。

Jensen不等式保证能量收缩，平滑后的编辑场方差更低，单步积分的离散化误差随之压缩。

不需要训练。不需要反演。不需要额外的掩码网络。不需要对模型做任何修改。

这篇论文总共33页，光附录就写了25页，全是数学证明。从能量为什么会收缩、误差界怎么推、到单步积分为什么能稳定收敛，一路证到底。

消融实验部分则直接可视化了两种编辑场的能量分布。

朴素方法的编辑场能量高且不均匀，对应的就是背景被摧毁、物体变形的区域。ChordEdit的编辑场能量低且平稳，非编辑区域几乎零扰动。

 

 

一块消费级显卡跑完

ChordEdit的全部实验，跑在一块2018年发布的NVIDIA Titan 24GB上。推理时显存占用仅7GB。

对比之下，同赛道的SwiftEdit需要15GB，而且还得额外训练一个反演网络。ChordEdit连训练都省了。

速度方面更夸张。比FlowEdit快19倍，比Direct Inversion快208倍。

用户研究中，42.5%的参与者在编辑语义准确性上选择ChordEdit，48.3%在背景保持上选择ChordEdit，均为压倒性优势。

而且这个方法是model-agnostic的，SD-Turbo能用，SwiftBrush-v2也能用，换模型不需要改代码、不需要重新训练、不需要调架构。真正的即插即用。

从演示效果看，ChordEdit可以一步完成horse→unicorn、fall→spring、ground→snow等语义编辑，编辑区域跟随prompt变化，非编辑区域保持不变。

这就是低能量传输场的效果，编辑路径足够平滑，非编辑区域几乎零扰动。

从16092篇投稿里，74篇进入最佳论文候选名单（Top 0.45%）。

最终ChordEdit拿到了最佳学生论文提名（Top 0.03%），同时也是Oral。

项目地址：https://chordedit.github.io

开源地址：https://github.com/ChordEdit/ChordEdit

论文地址：https://arxiv.org/pdf/2602.19083

来源：新智元，I-CFP学术会议网仅用于学术交流，若相关内容侵权，请联系删除。