SCOPE: Gestructureerde Decompositie en Conditionele Vaardigheidsorkestratie voor Complexe Beeldgeneratie
SCOPE: Structured Decomposition and Conditional Skill Orchestration for Complex Image Generation
May 8, 2026
Auteurs: Tianfei Ren, Zhipeng Yan, Yiming Zhao, Zhen Fang, Yu Zeng, Guohui Zhang, Hang Xu, Xiaoxiao Ma, Shiting Huang, Ke Xu, Wenxuan Huang, Lionel Z. Wang, Lin Chen, Zehui Chen, Jie Huang, Feng Zhao
cs.AI
Samenvatting
Hoewel tekst-naar-beeldmodellen sterke vooruitgang hebben geboekt op het gebied van visuele getrouwheid, blijft het getrouw realiseren van complexe visuele intenties een uitdaging omdat veel vereisten moeten worden gevolgd over grounding, generatie en verificatie. We verwijzen naar deze vereisten als semantische commitmenten en formaliseren hun levenscyclusdiscontinuïteit als de Conceptuele Kloof, waarbij commitmenten lokaal kunnen worden opgelost of gecontroleerd, maar niet identificeerbaar blijven als dezelfde operationele eenheden gedurende de generatielevenscyclus. Om dit aan te pakken, stellen we SCOPE voor, een specificatie-gestuurd vaardigheidsorkestratieframework dat semantische commitmenten onderhoudt in een evoluerende gestructureerde specificatie en voorwaardelijk retrieval-, redeneer- en herstelvaardigheden oproept rondom niet-opgeloste of geschonden commitmenten. Om intentierealisatie op commitmentniveau te evalueren, introduceren we Gen-Arena, een door mensen geannoteerde benchmark met specificaties op entiteit- en constraintniveau, samen met Entity-Gated Intent Pass Rate (EGIP), een strikt entiteit-eerst slaagcriterium. SCOPE presteert aanzienlijk beter dan alle geëvalueerde baselines op Gen-Arena, met een EGIP van 0,60, en behaalt bovendien sterke resultaten op WISE-V (0,907) en MindBench (0,61), wat de effectiviteit aantoont van het persistent volgen van commitmenten voor complexe beeldgeneratie.
English
While text-to-image models have made strong progress in visual fidelity, faithfully realizing complex visual intents remains challenging because many requirements must be tracked across grounding, generation, and verification. We refer to these requirements as semantic commitments and formalize their lifecycle discontinuity as the Conceptual Rift, where commitments may be locally resolved or checked but fail to remain identifiable as the same operational units throughout the generation lifecycle. To address this, we propose SCOPE, a specification-guided skill orchestration framework that maintains semantic commitments in an evolving structured specification and conditionally invokes retrieval, reasoning, and repair skills around unresolved or violated commitments. To evaluate commitment-level intent realization, we introduce Gen-Arena, a human-annotated benchmark with entity- and constraint-level specifications, together with Entity-Gated Intent Pass Rate (EGIP), a strict entity-first pass criterion. SCOPE substantially outperforms all evaluated baselines on Gen-Arena, achieving 0.60 EGIP, and further achieves strong results on WISE-V (0.907) and MindBench (0.61), demonstrating the effectiveness of persistent commitment tracking for complex image generation.