本文介绍了Step1X-Edit的去噪过程，重点在于将时间信息融入文本token，并通过多个模块处理。通过IndividualTokenRefinerBlock和DoubleStreamBlock，有效融合文本和图像信息，最终实现文本编辑指令和图像的精炼。

本研究提出了一种新方法，解决了编辑指令与原始图像不匹配导致的监督信号噪声问题。通过改进编辑指令和引入对比监督信号，显著提升了图像编辑模型的效果，超越了现有方法。