論文の概要: On-Policy Self-Distillation for Multi-Turn Image Editing

• arxiv url: http://arxiv.org/abs/2609.35611v1
• Date: Mon, 28 Sep 2026 16:55:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 20:22:18.891489
• Title: On-Policy Self-Distillation for Multi-Turn Image Editing
• Title（参考訳）: マルチターン画像編集のためのオンライン自己蒸留
• Abstract要約: MT-OPSD(MT-OPSD)は、清潔な教師から編集監督を受けながら、自己生成状態のモデルを訓練する、政治上の自己蒸留フレームワークである。 MT-OPSDは長軸編集の成功を著しく改善し,多軸編集品質を保ちながら多軸加工の崩壊を抑えることを示す。
• 参考スコア（独自算出の注目度）: 38.75324260878104
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Instruction-based image editing has achieved strong performance in single-turn settings, yet practical editing is often iterative, with each instruction applied to the output of the previous turn. We find that existing editing models degrade rapidly under recursive editing and attribute this failure to a train-test mismatch in the conditioning distribution: models are trained on clean source images but must repeatedly condition on their own imperfect outputs at inference time. To address this, we propose MT-OPSD, an on-policy self-distillation framework that trains the model on self-generated conditioning states with editing supervision from a clean-conditioned teacher, without requiring multi-turn annotations. We further introduce LME-Bench, a benchmark of 100 ten-turn editing sessions for evaluating long-horizon robustness. Experiments across three editing backbones show that MT-OPSD substantially improves long-horizon editing success and reduces multi-turn collapse while largely preserving single-turn editing quality.
• Abstract（参考訳）: インストラクションベースの画像編集はシングルターン設定では高い性能を達成しているが、実際の編集はしばしば反復的であり、各命令は前のターンの出力に適用される。 既存の編集モデルは再帰的編集の下で急速に劣化し,この失敗を条件付け分布における列車試験ミスマッチとみなす: モデルはクリーンソース画像に基づいて訓練されるが,推論時に不完全な出力を繰り返す必要がある。 MT-OPSDは, マルチターンアノテーションを必要とせず, クリーンコンディショニング教師の編集監督により, 自己生成条件上でモデルを訓練する, オンライン自己蒸留フレームワークである。 LME-Benchについても紹介する。LME-Benchは、長い水平ロバスト性を評価するための100の10ターン編集セッションのベンチマークである。 3つの編集バックボーンでの実験により、MT-OPSDは長い水平編集の成功を大幅に改善し、シングルターン編集品質を保ちながらマルチターン崩壊を低減することが示されている。

関連論文リスト

• DuET: Dual Expert Trajectories for Diffusion Image Editing [42.49842620609682]
  我々は、ソースイメージの条件付けを一時的に緩和する訓練不要推論手法であるDuETを紹介する。 DuETは命令の関連性、セマンティックな忠実さ、そして様々なモデルやベンチマークにおける知覚品質を継続的に改善する。
  論文  参考訳（メタデータ） (2026-06-11T12:58:48Z)
• MT-EditFlow: Reinforcement Learning for Multi-Turn Image Editing with Flow Matching [91.83651402045108]
  MT-EditFlowは、逐次画像編集のための報酬信号の最適化を目的とした、フローマッチング強化学習フレームワークである。 MT-EditFlowは多種多様なベースモデル間で性能を著しく向上させることを示す。
  論文  参考訳（メタデータ） (2026-06-01T09:46:10Z)
• CAMEO: A Conditional and Quality-Aware Multi-Agent Image Editing Orchestrator [8.901958956012072]
  条件付き画像編集は、厳密な構造制御を必要とするシナリオにおいて不可欠である。 ほとんどのアプローチは単一ステップ生成に依存します。 我々は、条件付き編集を品質に配慮したフィードバック駆動プロセスとして再構成する構造化マルチエージェントフレームワーク、textbfCAMEOを提案する。
  論文  参考訳（メタデータ） (2026-04-03T16:27:02Z)
• 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)
• Video4Edit: Viewing Image Editing as a Degenerate Temporal Process [24.8621496006791]
  マルチモーダル基礎モデルは、命令駆動の画像生成と編集を真にクロスモーダルで協調的な体制に推進した。 我々は、時間モデリングのレンズを通してこの課題を再考する。 この視点は、ビデオ事前学習から単一フレームの進化を先取りし、非常にデータ効率のよい微調整体制を実現する。
  論文  参考訳（メタデータ） (2025-11-22T17:30:55Z)
• Image Editing As Programs with Diffusion Models [69.05164729625052]
  本稿では,Diffusion Transformer (DiT) アーキテクチャ上に構築された統合画像編集フレームワークである IEAP (Image Editing As Programs) を紹介する。 IEAPは、複雑な編集命令を原子操作のシーケンスに分解して、リダミストレンズによる命令編集にアプローチする。 我々のフレームワークは、特に複雑なマルチステップ命令に対して、より優れた精度とセマンティック忠実度を提供する。
  論文  参考訳（メタデータ） (2025-06-04T16:57:24Z)
• SuperEdit: Rectifying and Facilitating Supervision for Instruction-Based Image Editing [25.8179737362091]
  既存のデータセットは通常、さまざまな自動化手法を使って構築され、ノイズの多い監視信号に繋がる。 近年の取り組みは、高品質な編集画像の生成、認識タスクの事前訓練、視覚言語モデル(VLM)の導入による編集モデルの改善を試みているが、この根本的な問題を解決するには至らなかった。 本稿では,与えられた画像対に対してより効率的な編集命令を構築することで,新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-05-05T05:19:40Z)
• UIP2P: Unsupervised Instruction-based Image Editing via Edit Reversibility Constraint [87.20985852686785]
  本研究では,教師なし指導に基づく画像編集手法を提案する。 本稿では,編集可逆性制約 (ERC) と呼ばれる新しい編集機構を導入することで,これらの課題に対処する。 これにより、地道に編集されたイメージの必要性を回避し、実際のイメージキャプチャペアまたはイメージキャプチャインストラクショントリプルからなるデータセットで、初めてトレーニングをアンロックすることが可能になります。
  論文  参考訳（メタデータ） (2024-12-19T18:59:58Z)
• Consecutive Batch Model Editing with HooK Layers [59.673084839708224]
  CoachHooKは、シーケンシャルおよびバッチ編集を同時にサポートするモデル編集方法である。 メモリフレンドリで、時間とともにサイズが変化しないいくつかのフック層を格納するために、少量しか必要としない。
  論文  参考訳（メタデータ） (2024-03-08T14:07:44Z)

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。