CogniEdit: 细粒度图像编辑的密集梯度流优化
计算机视觉与模式识别
2025-12-16 v1
摘要
基于扩散模型的指令驱动图像编辑已取得令人瞩目的成果，但现有方法在处理指定精确属性（如颜色、位置和数量）的细粒度指令时仍存在困难。尽管近期方法采用 Group Relative Policy Optimization（GRPO）进行对齐，但它们仅在单个采样步骤上进行优化，提供稀疏反馈，限制了轨迹级控制。我们提出统一框架 CogniEdit，结合多模态推理与密集奖励优化，在连续去噪步骤间传播梯度，实现采样过程中的轨迹级梯度流。该方法包含三个组件：(1) 多模态大语言模型用于将复杂指令分解为可操作指令，(2) 动态 Token 焦点重定位用于自适应地强调细粒度属性，(3) 基于密集 GRPO 的优化，用于在连续步骤间传播梯度以实现轨迹级监督。在基准数据集上的大量实验表明，CogniEdit 在平衡细粒度指令遵循与视觉质量和编辑保持方面达到了最先进的性能。
引用
@article{arxiv.2512.13276,
title = {CogniEdit: Dense Gradient Flow Optimization for Fine-Grained Image Editing},
author = {Yan Li and Lin Liu and Xiaopeng Zhang and Wei Xue and Wenhan Luo and Yike Guo and Qi Tian},
journal= {arXiv preprint arXiv:2512.13276},
year = {2025}
}