arXiv cs.AI· Ruikang Li, Zixuan Chen, Jiarui Wu, Mingde Yao, Yiyuan Zhang, Yujin Wang, Hanming Deng, Lewei Lu, Tianfan Xue·· 10 小时前AI 评分34
TailSteer：面向抗漂移多轮图像编辑的轨迹尾部引导框架
TailSteer: Trajectory-Tail Steering for Drift-Resistant Multi-turn Image Editing
AI 导读
TailSteer 是一个末阶段训练框架，通过让早期去噪动态贴近基座模型、把保真修正集中在轨迹尾部，抑制多轮编辑中的累积视觉漂移。修正信号来自编辑器自身的 on-policy 去噪 rollout，以未改动的源内容为保真参照，无需人工标注的编辑配对数据。
正文 · AI 翻译
摘要：强大的单轮编辑性能并不能保证可靠的多轮交互：随着编辑输出被反复复用，微小的非预期变化会累积成严重的视觉漂移。这种长期漂移通常通过在多轮数据或跨轮 rollout 上训练来缓解，但这可能改变预训练先验；或者通过专门的推理时机制来缓解，而这些机制难以扩展到基础模型。我们提出 TailSteer，一个最终阶段训练框架，它在保留早期训练所获得的生成与编辑能力的同时，提升多轮鲁棒性。TailSteer 遵循一个简单原则：让早期去噪动态保持接近基础模型，并将保持性校正集中在轨迹尾部，因为在那里可以抑制细粒度偏差。这些校正从编辑器自身的同策略去噪 rollout 中学习，使用未改变的源内容作为保持参考，无需精心整理的真值编辑对。在 FLUX、SenseNova 和 Qwen 系列上的实验表明，TailSteer 在 15-20 个编辑轮次中大幅减少累积漂移，同时在广泛的文本到图像和单图像编辑基准上基本保持基础模型性能。这些结果表明，经过 TailSteer 后，基础模型可以解锁长时程编辑鲁棒性，而不是通过重新学习其现有能力来实现。
| 评论： | 16 页，9 张图。项目页面：此 https URL |
| 主题： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI) |
| 引用为： | arXiv:2611.06741 [cs.CV] |
| （或 arXiv:2611.06741v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06741 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ruikang Li [查看电子邮件]
[v1]
2026 年 11 月 4 日星期三 16:23:24 UTC（45,313 KB）
来源：arXiv cs.AI · arxiv.org