EditThinker: Sbloccare il ragionamento iterativo per qualsiasi editor di immagini
EditThinker: Unlocking Iterative Reasoning for Any Image Editor
December 5, 2025
Autori: 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
Abstract
L'editing di immagini basato su istruzioni è emerso come un'area di ricerca di primo piano, che, beneficiando di modelli di base per la generazione di immagini, ha raggiunto un'elevata qualità estetica, rendendo la capacità di seguire le istruzioni la sfida principale. Gli approcci esistenti migliorano l'aderenza alle istruzioni tramite apprendimento supervisionato o per rinforzo, ma i tassi di successo a singolo turno rimangono limitati a causa della stocasticità intrinseca e della mancanza di deliberazione. In questo lavoro, proponiamo un framework di editing deliberativo per "pensare" durante la modifica, che simula il ciclo cognitivo umano eseguendo iterativamente un ciclo Pensare-durante-Modificare: Criticare i risultati e Affinare le istruzioni, seguito dalla Ripetizione della generazione fino al soddisfacimento. Nello specifico, addestriamo un singolo MLLM, EditThinker, per fungere da motore di ragionamento di questo framework, che produce congiuntamente il punteggio di critica, il processo logico e le istruzioni raffinate. Utilizziamo l'apprendimento per rinforzo per allineare il pensiero di EditThinker con la sua azione di modifica, generando così miglioramenti delle istruzioni più mirati. Esperimenti estesi su quattro benchmark dimostrano che il nostro approccio migliora significativamente la capacità di seguire le istruzioni di qualsiasi modello di editing di immagini con un ampio margine. Rilasceremo la nostra struttura di costruzione dei dati, i dataset e i modelli a beneficio della comunità.
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.