论文页面 - 此编辑是否正确？面向推理感知的图像编辑多维基准

来源：https://huggingface.co/papers/2606.05172
发布于 4月16日

·

由 https://huggingface.co/Yixuan-Ding-ZJU 提交

ding (https://huggingface.co/Yixuan-Ding-ZJU) 于 6月5日

摘要

RE-Edit 基准从五个推理维度评估图像编辑系统，以衡量超越视觉合理性的逻辑一致性。

基于扩散的图像编辑（https://huggingface.co/papers?q=Diffusion-based%20image%20editing）在自然语言指令（https://huggingface.co/papers?q=natural%20language%20instructions）下已实现强大的视觉保真度（https://huggingface.co/papers?q=visual%20fidelity），然而大多数现有系统仍停留在表层指令遵循层面，未能对真实用户请求中隐含的上下文约束进行推理。这往往导致编辑结果视觉上合理但逻辑上不一致。在本工作中，我们提出 RE-Edit，这是一个面向推理感知的图像编辑（https://huggingface.co/papers?q=REasoning-aware%20image%20Editing）基准，从五个互补推理维度评估图像编辑系统：物理、环境、文化、因果和指涉。RE-Edit 包含 1,000 个精心筛选的样本，每个样本的设计都确保仅凭视觉合理性不足以完成正确编辑，而必须满足隐含的逻辑约束。为了支持细粒度分析，我们建立了维度对齐的评估标准，并对十个开源和两个商业图像编辑模型（https://huggingface.co/papers?q=image%20editing%20models）进行了全面研究。结果表明，即使是先进的系统，在生成高质量视觉结果的同时，也往往难以处理隐式的多维度推理。我们进一步提出一个轻量级的推理引导后编辑基线（https://huggingface.co/papers?q=post-edit%20baseline）作为初步探索，展示了插入显式推理如何以模型无关的方式帮助缓解此类失败。

查看 arXiv 页面（https://arxiv.org/abs/2606.05172）
查看 PDF（https://arxiv.org/pdf/2606.05172）
GitHub 0（https://github.com/Yixuan-Ding-ZJU/RE-Edit）
添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.05172）

在你的 agent 中获取此论文：

hf papers read 2606.05172

没有最新 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 1

Yixuan-Ding-ZJU/EditRefine 8B • 更新于约 3 小时前（https://huggingface.co/Yixuan-Ding-ZJU/EditRefine）

引用此论文的数据集 1

Yixuan-Ding-ZJU/RE-Edit Viewer • 更新于约 3 小时前 • 1k • 33（https://huggingface.co/datasets/Yixuan-Ding-ZJU/RE-Edit）

引用此论文的 Spaces 0

没有 Space 链接此论文

请在 Space 的 README.md 中引用 arxiv.org/abs/2606.05172，以便从此页面链接。

包含此论文的收藏 0

没有收藏包含此论文

将此论文添加到收藏（https://huggingface.co/new-collection）以链接到此页面。