TailSteer：通过轨迹尾端引导实现抗漂移的多轮图像编辑
单轮图像编辑表现出色，并不意味着模型在反复编辑时也能保持可靠：细微的非预期变化可能不断累积，造成明显的视觉漂移。TailSteer 是一种训练后期框架，旨在提升多轮编辑的稳健性，同时大体保留基础模型此前获得的能力。它使去噪早期过程尽量接近基础模型，并将保持原始内容的修正集中在轨迹尾端。这些修正通过编辑模型自身的在策略去噪过程学习，以未发生变化的源内容作为参考，无需人工整理标准编辑配对。在 FLUX、SenseNova 和 Qwen 系列模型上的实验显示，TailSteer 可降低 15 至 20 轮编辑中的累积漂移，同时大体保留文本生成图像和单图编辑基准测试的表现。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。