资讯详情

EditThinker: Unlocking Iterative Reasoning for Any Image Editor

主要思想：

• 提出多轮编辑：
  1. 第一轮：输入原图、编辑指令，edit模型得到输出图；MLLM根据输入图、指令、输出图判断指令一致性，输出指令一致性反思、refine之后的指令、当前编辑图得分score
  2. 第二轮：基于refine后的指令、输入图，进行二次编辑，并进一步使用MLLM分析
  3. 第n轮：直到score满足要求则停止编辑
• MLLM训练：
  1. 基于Qwen3-VL-8B-Instruct，采用SFT+RL训练优化，得到可以评判并优化编辑指令的MLLM模型
  2. SFT、RL的数据来源基于GPT-4.1构建，包括编辑轨迹生成、编辑轨迹筛选等步骤，且提出SFT、RL阶段适用不同score的数据
     ![../../_attachments/image 29.png]]
     ![../../_attachments/image 30.png]]