DeCo-Bench

新的强化学习框架提高了多图像组合的一致性

研究人员开发了DeCoRL，一个强化学习框架，旨在增强大型图像编辑模型中的多图像组合（MICo）能力。该方法将整体MICo一致性分解为对象级一致性，在参考图像和生成输出之间建立对应关系。使用视觉语言模型（VLM）提供逐对象反馈，然后将其聚合为奖励信号以指导强化学习过程。DeCoRL的有效性通过在新基准DeCo-Bench和现有MICo-Bench上的实验得到证明，显示出一致性方面的显著改进。