arXiv cs.AI· Wentao Ye, Yali Ye, Zhiqing Xiao, Ru Peng, Xinpeng Ti, Liyao Li, Zhanming Shen, Peng Lu, Jie Zhang, Haobo Wang·· 11 小时前AI 评分34
StruPO：从结构反馈到提示词策略，学习忠实的文本到图像提示词编辑器
From Structural Feedback to Prompt Policies: Learning Faithful Text-to-Image Prompt Editors
AI 导读
StruPO 是一个结构感知的提示词编辑器，以校准后的场景图作为策略条件与图像监督的共享表示，通过删除、重排、插入实现 token 对齐的提示词修改。在三个 2K 提示词测试集和四个冻结生成骨干上，它改善了忠实度与美学的权衡，关系保真度持续提升，并获得 15 名标注者研究支持。该策略在图校准后一次前向即可产出可复用的优化文本，无需迭代式批评—重写循环。
正文 · AI 翻译
摘要：提示优化应当在改善用户所获图像的同时，不改变用户所请求的场景。然而，即使全局文本—图像相似度仍然很高，风格化改写也可能削弱对象属性和关系。我们提出 StruPO，一种结构感知的提示编辑器，它使用经过校准的场景图作为策略条件与图像接地监督的共享表示。该图揭示了应当保留的内容，而删除、重排和插入则提供了与 token 对齐的提示修改方式。这将结构性反馈从外部批评转变为可复用编辑策略的训练信号。从该信号中学习需要同时处理不确定的接地和随机图像生成。StruPO 通过平滑奖励塑形保留接地置信度，并在计算组相对优势之前对每次编辑的多张图像取平均。实验涵盖三个互不相交的 2K 提示测试集和四个冻结的生成骨干网络，并与学习型提示优化器、迭代结构反馈、扩散模型微调以及推理时注意力控制进行比较。StruPO 改善了保真度—美学权衡，在关系保真度上取得一致提升。独立的自动评估器和一项 15 名标注者的研究提供了互补证据，且人类偏好优势随关系复杂度增加而增大。受控消融实验将这些增益与图条件、局部编辑和图像接地学习联系起来。所得策略在图校准后一次通过即可生成可复用的优化文本，无需迭代的批评—重写循环。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.36146 [cs.AI] |
| （或 arXiv:2610.36146v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36146 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Wentao Ye [查看电子邮件]
[v1]
2026年10月26日星期一 18:50:50 UTC（9,030 KB）
来源：arXiv cs.AI · arxiv.org