文生图纠错不再整图重画:MLIE-CoT按错误大小选修复粒度,GenEval总体从0.84升到0.88
复杂提示词生成的图像常残留局部错误,而现有视觉思维链多靠改写提示或反复整图重生成,前者丢掉已正确的视觉信息,后者每轮引入并累积新的幻觉。MLIE-CoT把纠错拆成接受、局部修复、整图编辑、纯文本重生成四个由轻到重的动作,并用一个在图像修复数据上训练的路由器根据当前图像、目标提示和结构化诊断选择粒度。在GenEval上,以FLUX.2-dev为底座的MLIE-CoT总体得分从0.84升到0.88,以BAGEL为底座从0.80升到0.86。