RePlan：面向复杂指令图像编辑的推理引导区域规划
计算机视觉与模式识别
2025-12-19 v1
摘要
基于指令的图像编辑实现了对视觉修改的自然语言控制，但现有模型在指令-视觉复杂性(IV-Complexity)下表现不佳，即复杂指令遇到杂乱或模糊场景。我们引入RePlan(区域对齐规划)，一个先规划后执行的框架，将视觉语言规划器与扩散编辑器相结合。规划器通过逐步推理分解指令并将其显式锚定到目标区域；编辑器随后使用无训练的注意力区域注入机制应用变更，实现精确的并行多区域编辑而无需迭代修复。为增强规划，我们应用基于GRPO的强化学习，使用1K条仅指令示例，在推理保真度和格式可靠性方面取得了显著提升。我们进一步提出IV-Edit，一个专注于细粒度锚定和知识密集型编辑的基准。在IV-Complex设置下，RePlan持续优于在远更大数据集上训练的强基线，提升了区域精度和整体保真度。我们的项目页面：https://replan-iv-edit.github.io
引用
@article{arxiv.2512.16864,
title = {RePlan: Reasoning-guided Region Planning for Complex Instruction-based Image Editing},
author = {Tianyuan Qu and Lei Ke and Xiaohang Zhan and Longxiang Tang and Yuqi Liu and Bohao Peng and Bei Yu and Dong Yu and Jiaya Jia},
journal= {arXiv preprint arXiv:2512.16864},
year = {2025}
}
备注
Precise region control and planning for instruction-based image editing. Our project page: https://replan-iv-edit.github.io