EditThinker: 모든 이미지 편집기를 위한 반복적 추론 기술의 해방

EditThinker: Unlocking Iterative Reasoning for Any Image Editor

December 5, 2025

저자: 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

초록

지시 기반 이미지 편집은 이미지 생성 기반 모델의 혜택을 받아 높은 심미적 품질을 달성하며 주요 과제로 지시 따르기 능력이 부각된 중요한 연구 분야로 등장했습니다. 기존 접근법은 지도 학습 또는 강화 학습을 통해 지시 준수를 개선하지만, 내재된 확률성과 숙고 과정의 부재로 인해 단일 단계 성공률은 여전히 제한적입니다. 본 연구에서는 인간의 인지 과정을 모방하여 '편집하면서 생각하는' 숙고적 편집 프레임워크를 제안합니다. 이는 비판적 결과 평가와 지시 개선, 이후 만족할 때까지 생성 과정을 반복하는 Think-while-Edit 사이클을 반복적으로 실행합니다. 구체적으로, 우리는 이 프레임워크의 추론 엔진 역할을 하는 단일 MLLM인 EditThinker를 훈련시켜 비판 점수, 추론 과정, 개선된 지시를 함께 생성합니다. 강화 학습을 통해 EditThinker의 사고와 편집 행위를 정렬함으로써 더 목표 지향적인 지시 개선이 가능합니다. 4개 벤치마크에 대한 폭넓은 실험을 통해 우리의 접근법이 모든 이미지 편집 모델의 지시 따르기 능력을 크게 향상시킴을 입증했습니다. 우리는 커뮤니티에 기여하기 위해 데이터 구축 프레임워크, 데이터셋 및 모델을 공개할 예정입니다.

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.