一致性批评家：通过参考引导的注意力对齐纠正生成图像中的不一致性
计算机视觉与模式识别
2025-11-26 v1
摘要
先前的工作探索了各种给定参考图像的定制化生成任务，但仍然在生成一致的细粒度细节方面存在局限。本文旨在通过应用参考引导的后编辑方法来解决生成图像的不一致性问题，并提出了 ImageCritic。我们首先构建了一个由 VLM 选择和显式退化组成的参考-退化-目标三元组数据集，有效模拟了现有生成模型中常见的不准确或不一致现象。此外，基于对模型注意力机制和内在表示的深入检查，我们相应地设计了注意力对齐损失和细节编码器，以精确纠正不一致性。ImageCritic 可以集成到代理框架中，用于自动检测不一致性并在复杂场景中进行多轮和局部编辑进行纠正。广泛的实验表明，ImageCritic 能够有效解决各种定制化生成场景中的与细节相关的问题，显著优于现有方法。
引用
@article{arxiv.2511.20614,
title = {The Consistency Critic: Correcting Inconsistencies in Generated Images via Reference-Guided Attentive Alignment},
author = {Ziheng Ouyang and Yiren Song and Yaoli Liu and Shihao Zhu and Qibin Hou and Ming-Ming Cheng and Mike Zheng Shou},
journal= {arXiv preprint arXiv:2511.20614},
year = {2025}
}
备注
Project page: https://ouyangziheng.github.io/ImageCritic-Page/