TailSteer应对多轮图像编辑视觉漂移
AI 总结
Ruikang Li等九位作者向arXiv提交了TailSteer论文。论文提出一种最终阶段训练框架,使早期去噪动态接近基础模型,并将保持性修正集中在轨迹尾部。这些修正利用编辑器自身的在策略去噪采样进行学习,并以未更改的源内容作为保持参考。作者报告称,该方法在FLUX、SenseNova和Qwen模型家族上进行15至20轮编辑时减少了累积漂移,同时基本保留了模型在文生图和单图编辑基准上的表现。
深度见解
作者报告称,TailSteer通过减少累积视觉漂移来提高长程编辑稳健性,同时保留模型在早期训练中获得的生成与编辑能力。
Computer Science > Computer Vision and Pattern Recognition
arXiv:2611.06741 (cs)
[Submitted on 4 Nov 2026]
Title:TailSteer: Trajectory-Tail Steering for Drift-Resistant Multi-turn Image Editing
Authors:Ruikang Li, Zixuan Chen, Jiarui Wu, Mingde Yao, Yiyuan Zhang, Yujin Wang, Hanming Deng, Lewei Lu, Tianfan Xue
View a PDF of the paper titled TailSteer: Trajectory-Tail Steering for Drift-Resistant Multi-turn Image Editing, by Ruikang Li and 8 other authors