该文综述了多种基于文本或参考图像的图像与视频编辑模型，包括多输入素描图合成、剪贴视频编辑、DiffEdit自动遮罩编辑、信息移除模块保留非相关内容、交叉注意力控制布局、Ref-Diff零样本参照分割、r-FACE可控面部编辑、Custom-Edit少样本定制、ReDiffuser修复及AdapEdit时空自适应编辑，这些模型在保真度与可编辑性上均表现优异。