面向可控图像编辑的可扩展最小变更学习

研究将"最小变更"原则作为基于指令图像编辑的优化目标，指出潜空间 L1 正则化在现代非线性生成器中难以有效约束输出局部性，且通常需要大规模场景下无法获得的监督信号。为此改用强化学习直接优化编辑结果，由一个智能体式视觉语言奖励模型审查源图、指令与编辑后图像，检测两类失败类型。