专业图像编辑需要高分辨率输出，但扩散模型的注意力计算复杂度和显存需求会随分辨率快速增长，现有方案通常难以直接处理 1K 以上图像。常见替代路径是先在低分辨率下完成编辑，再独立执行超分辨率；问题在于，超分阶段可能凭空补出与原图矛盾的细节，也可能造成纹理过度平滑或锐化。EditBridge 试图把这两个割裂阶段重新连接起来。
从噪声生成改为图像间精修
EditBridge 没有让第二阶段从噪声重新生成高清结果，而是把任务定义为结构化的数据到数据转换：输入第一阶段得到的低分辨率编辑图，输出对应的高分辨率版本，并显式引入原始高清图作为条件。这样，编辑后的语义和结构来自低清结果，而人物、物体及背景中的真实纹理可以回到原始高清图中寻找依据。
这一设计针对的是独立超分的核心缺陷：超分模型只看到低清结果时，缺少判断细节是否真实的参照。EditBridge 提供原图并不意味着简单复制，因为模型仍需遵循已经发生变化的编辑结果，在保留与修改之间建立对应关系。
稀疏注意力控制 4K 成本
直接让编辑图与高清原图进行全局交互，仍会带来高昂计算成本。论文提出先验引导的块级稀疏注意力，利用第一阶段编辑形成的语义对应关系，将跨图像交互限制在空间对齐的区域。其目标是避免所有位置两两计算，同时让模型重点检索原图中与当前区域相关的细节。
摘要称，该方法可处理最高 4K 分辨率，并获得更好的感知质量；在 2K 下实现 3.6 至 8.4 倍加速，4K 编辑耗时为 61 秒。不过材料没有给出这些结果对应的硬件、基线配置和具体质量指标，因此数字更适合视为论文实验条件下的结果，而非普遍性能承诺。
我的判断
EditBridge 的价值不只是“把超分做得更快”，而是明确把原始高清图当作细节证据，减少编辑后重建阶段的无依据生成。它更适合保留大量原始内容、只修改局部语义或外观的专业流程。边界也很清楚：若编辑导致大范围布局变化，原图与结果的空间、语义对应会变弱，块级对齐先验可能更难发挥作用。论文摘要展示了速度与最高分辨率，但尚不足以判断其对不同编辑类型、显存条件及复杂错位场景的稳定性。