🧠 TL;DR

这篇论文想解决的问题是：

给定一个示例编辑对：

source image → target image，

模型能否学会其中的“编辑变化”，并把这个变化迁移到新的 query image 上？

传统 exemplar-based editing 方法通常需要 pair-of-pairs supervision，也就是训练时需要两组具有相同编辑语义的图像对。Delta-Adapter 的核心创新是：**不直接把完整的 source-target pair 喂给模型，而是用视觉 encoder 提取二者之间的 semantic delta，只把“变化方向”作为条件注入模型。**这样 target image 没有被模型直接看到，因此它可以作为监督目标，从而实现 single-pair supervision。

🎯 论文想解决什么问题？

1. 文本 prompt 描述编辑意图不够精确

很多图像编辑任务很难用一句话准确描述，比如：

• subtle appearance shift
• 风格程度变化
• 局部形变
• 去模糊 / 去摩尔纹
• 颜色、质感、光照的细微变化
• “像这个例子一样变化”的视觉规则

所以 exemplar-based editing 的动机是：

与其让用户写 prompt，不如直接给一个 before-after 示例对。

论文认为，示例图像对比文本指令更直接，也更少歧义。

🧱 旧方法的问题：Pair-of-Pairs 太难 scale

已有方法通常需要：