EditThinker : Libérer le raisonnement itératif pour tout éditeur d'image
EditThinker: Unlocking Iterative Reasoning for Any Image Editor
December 5, 2025
papers.authors: Hongyu Li, Manyuan Zhang, Dian Zheng, Ziyu Guo, Yimeng Jia, Kaituo Feng, Hao Yu, Yexin Liu, Yan Feng, Peng Pei, Xunliang Cai, Linjiang Huang, Hongsheng Li, Si Liu
cs.AI
papers.abstract
L'édition d'images basée sur des instructions est devenue un domaine de recherche majeur. Bénéficiant des modèles de fondation en génération d'images, cette approche a atteint une haute qualité esthétique, faisant de la capacité à suivre les instructions le principal défi. Les méthodes existantes améliorent l'adhésion aux instructions par apprentissage supervisé ou par renforcement, mais les taux de réussite en tour unique restent limités en raison de la stochasticité inhérente et d'un manque de délibération. Dans ce travail, nous proposons un cadre d'édition délibérative pour « réfléchir » pendant l'édition, qui simule la boucle cognitive humaine en exécutant itérativement un cycle Penser-pendant-Éditer : Critiquer les résultats et Raffiner les instructions, puis Répéter la génération jusqu'à satisfaction. Concrètement, nous entraînons un unique MLLM, EditThinker, à agir comme moteur de raisonnement de ce cadre, produisant conjointement le score de critique, le processus de raisonnement et les instructions raffinées. Nous utilisons l'apprentissage par renforcement pour aligner la réflexion d'EditThinker avec son édition, générant ainsi des améliorations d'instructions plus ciblées. Des expériences approfondies sur quatre benchmarks démontrent que notre approche améliore significativement la capacité de suivi d'instructions de tout modèle d'édition d'images avec une large marge. Nous mettrons à disposition notre cadre de construction de données, jeux de données et modèles pour bénéficier à la communauté.
English
Instruction-based image editing has emerged as a prominent research area, which, benefiting from image generation foundation models, have achieved high aesthetic quality, making instruction-following capability the primary challenge. Existing approaches improve instruction adherence via supervised or reinforcement learning, yet single-turn success rates remain limited due to inherent stochasticity and a lack of deliberation. In this work, we propose a deliberative editing framework to 'think' while they edit, which simulates the human cognitive loop by iteratively executing a Think-while-Edit cycle: Critiquing results and Refining instructions , followed by Repeating the generation until satisfactory. Specifically, we train a single MLLM, EditThinker, to act as the reasoning engine of this framework, which jointly produce the critique score, reasoning process, and refined instructions. We employ reinforcement learning to align the EditThinker's thinking with its editing, thereby generating more targeted instruction improvements. Extensive experiments on four benchmarks demonstrate that our approach significantly improves the instruction-following capability of any image editing model by a large margin. We will release our data construction framework, datasets, and models to benefit the community.