論文の概要: DDA-Thinker: Decoupled Dual-Atomic Reinforcement Learning for Reasoning-Driven Image Editing

• arxiv url: http://arxiv.org/abs/2604.25477v1
• Date: Tue, 28 Apr 2026 10:30:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.820102
• Title: DDA-Thinker: Decoupled Dual-Atomic Reinforcement Learning for Reasoning-Driven Image Editing
• Title（参考訳）: DDA-Thinker:Reasoning-Driven Image Editingのための分離されたデュアル原子強化学習
• Authors: Hanqing Yang, Qiang Zhou, Yongchao Du, Sashuai Zhou, Zhibin Wang, Jun Song, Tiezheng Ge, Cheng Yu, Bo Zheng,
• Abstract要約: 我々は、固定生成モデル(編集者)よりも計画モジュール(Thinker)を独立に最適化するためのThinker中心のフレームワークを提案する。 このフレームワークは、フィードバックを検証可能なチェックリストによって実装された2つの異なる原子報酬に分解する。 RISE-Bench や KRIS-Bench などの推論駆動画像編集ベンチマークの実験は,我々の手法が全体的な性能を大幅に向上することを示した。
• 参考スコア（独自算出の注目度）: 41.08605870394525
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent image editing models have achieved strong visual fidelity but often struggle with tasks requiring complex reasoning. To investigate and enhance the reasoning-grounded planning for image editing, we propose DDA-Thinker, a Thinker-centric framework designed for the independent optimization of a planning module (Thinker) over a fixed generative model (Editor). This decoupled Thinker-centric paradigm facilitates a controlled analysis of the planning module and makes its contribution under a fixed Editor easier to assess. To effectively guide this Thinker, we introduce a dual-atomic reinforcement learning framework. This framework decomposes feedback into two distinct atomic rewards implemented through verifiable checklists: a cognitive-atomic reward to directly assess the quality of the Thinker's executable plan, which serves as the actionable outcome of the Thinker's reasoning, and a visual-atomic reward to assess the final image quality. To improve checklist quality, our checklist synthesis is grounded not only in the source image and user instruction but also in a rational reference description of the ideal post-edit scene. To support this training, we further develop a two-stage data curation pipeline that first synthesizes a diverse and reasoning-focused dataset, then applies difficulty-aware refinement to curate an effective training curriculum for reinforcement learning. Extensive experiments on reasoning-driven image editing benchmarks, including RISE-Bench and KRIS-Bench, demonstrate that our approach substantially improves overall performance. Our method enables a community model to achieve results competitive with strong proprietary models, highlighting the practical potential of Thinker-centric optimization under a fixed-editor setting.
• Abstract（参考訳）: 最近の画像編集モデルは、強い視覚的忠実さを達成しているが、複雑な推論を必要とするタスクにしばしば苦労している。 DDA-Thinkerは,固定生成モデル(編集者)よりも計画モジュール(Thinker)を独立に最適化するために設計された思考中心のフレームワークである。 この分離されたThinker中心のパラダイムは、計画モジュールの制御された分析を促進し、そのコントリビューションを固定エディターで評価しやすくする。 この思考を効果的に導くために、我々は二重原子強化学習フレームワークを導入する。 このフレームワークは、フィードバックを検証可能なチェックリストを通じて実行された2つの異なる原子報酬に分解する: 思考者の実行可能な計画の質を直接評価する認知的報酬、思考者の推論の実行可能な結果となる認知的報酬、最終的な画像品質を評価する視覚的報酬。 チェックリストの品質向上のために,我々のチェックリスト合成は,ソースイメージやユーザインストラクションだけでなく,理想的な編集後シーンの合理的な参照記述にも基礎を置いている。 このトレーニングを支援するために,まず多様で推論に焦点を絞ったデータセットを合成し,さらに難易度に改良を加えて強化学習のための効果的なトレーニングカリキュラムをキュレートする2段階データキュレーションパイプラインを開発した。 RISE-Bench や KRIS-Bench などの推論駆動画像編集ベンチマークの大規模な実験により,本手法が全体的な性能を大幅に向上することが示された。 提案手法は,コミュニティモデルが強力なプロプライエタリモデルと競合する結果を達成し,固定編集環境下での思考中心最適化の実現可能性を明らかにする。

関連論文リスト

• Q-DeepSight: Incentivizing Thinking with Images for Image Quality Assessment and Refinement [58.15004031934379]
  我々は、この人間のようなプロセスをエミュレートする思考とイメージのフレームワークであるQ-DeepSightを提案する。 Q-DeepSightは、自然、復元、AI生成コンテンツなど、さまざまなベンチマークで最先端のパフォーマンスを実現している。 本稿では,Q-DeepSight の診断が反復画像強調を導くトレーニングフリーフレームワークであるPerceptual-in-Generation (PiG) を用いて,その実用的価値を示す。
  論文  参考訳（メタデータ） (2026-04-18T06:10:57Z)
• Unsupervised Synthetic Image Attribution: Alignment and Disentanglement [55.853285140682665]
  そこで我々は,アライメント・アンド・ディスタングルメント(Alignment and Disentanglement)という,シンプルで効果的な教師なしの手法を提案する。 具体的には、コントラッシブな自己教師あり学習を用いて基本的な概念アライメントを実行することから始める。 次に、Infomax損失による表現のゆがみを促進することにより、モデルの属性能力を高める。
  論文  参考訳（メタデータ） (2026-01-30T07:31:53Z)
• ThinkRL-Edit: Thinking in Reinforcement Learning for Reasoning-Centric Image Editing [33.888289858260706]
  画像編集の質を向上させるために,強化学習(RL)について検討した。 RL は,(1) ノイズ除去に限定した推論探索,(2) バイアスド報酬融合,(3) 不安定な VLM ベースの命令報酬の3つの主要な課題に直面している。 画像合成から視覚的推論を分離する推論中心のRLフレームワークであるThinkRL-Editを提案する。
  論文  参考訳（メタデータ） (2026-01-06T23:43:00Z)
• EditThinker: Unlocking Iterative Reasoning for Any Image Editor [72.28251670314451]
  編集中に「考える」ための熟考的な編集フレームワークを提案する。 このフレームワークの推論エンジンとして機能するために、単一のMLLM、EditThinkerをトレーニングします。 我々は、強化学習を用いて、EditThinkerの思考をその編集と整合させ、よりターゲットを絞った命令改善を生成する。
  論文  参考訳（メタデータ） (2025-12-05T18:58:09Z)
• EditScore: Unlocking Online RL for Image Editing via High-Fidelity Reward Modeling [71.8265422228785]
  強化学習(RL)は有望な解決策を提供するが、画像編集におけるその採用は、高忠実で効率的な報酬信号の欠如によって妨げられている。 我々は、最先端の特殊報酬モデルの開発を中心に、この障壁を克服するための包括的な方法論を提案する。
  論文  参考訳（メタデータ） (2025-09-28T14:28:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。