迈向复杂图像编辑的鲁棒顺序分解

近期视觉生成模型虽能执行指令编辑，但在处理涉及组合操作或步骤依赖的复杂指令时表现不佳。单轮编辑难以准确解析，而顺序编辑虽可分解任务却易受误差累积影响。本文在统一框架下研究不同范式，平衡分解优势与误差缺陷。通过构建合成数据流水线生成高质量分解序列，微调发现合理设计的顺序分解能显著提升鲁棒性。此外，合成任务学到的分解技能可通过联合训练迁移至真实图像，展现了模拟到真实的泛化潜力。