商汤与港科 MMLab 提出 MT Forcing，缓解多轮图像编辑画质退化
多轮图像编辑越改越糊，根源是训练与推理面对的历史不一致；MT Forcing 用单轮教师加参考轨迹监督，抑制画质漂移与内容走样。
多轮图像编辑中，模型连续改几轮后常出现纹理变重、局部细节失真、未要求修改的区域也发生漂移。商汤研究院、香港科技大学 MMLab、斯坦福与清华 AIR 联合提出训练方法 MT Forcing（一种面向自回归扩散模型的训练策略），用单轮教师监督配合参考编辑轨迹，在八轮连续编辑中同时改善画质稳定性与跨轮内容一致性。
正文摘录
.59.10.png)  多轮图像编辑让用户可以通过连续指令，逐步调整同一张图片中的物体、外观与场景。随着图像生成进入交互式创作，用户需要基于中间结果继续修改，模型也需要在满足新要求的同时，保留此前已经确认的内容。 但现有模型往往在几轮之后出现明显偏差：纹理越来越重，局部细节逐渐失真，没有要求修改的区域也可能发生变化。这些问题分别涉及 画质稳定性 与 跨轮内容一致性 ，限制了模型持续编辑的能力。 来自商汤研究院、香港科技大学 MMLab、斯坦福大学和清华大学智能产业研究院的研究者，联合提出多轮图像编辑训练方法 MT Forcing ，改善基于自回归扩散的统一多模态模型在连续编辑中的画质退化与内容漂移问题。 论文的主要贡献包括三点： 1. 提出 Single-Turn DMD ，用单轮教师指导学生的多轮自主生成，改善连续编辑中的画质退化。 2. 引入 Teacher-Forcing Guidance ，通过一致参考轨迹上的预热与正则化监督，帮助模型保留跨轮内容。 3. 将两类互补目标结合为 MT Forcing ，在 SenseNova-U1 与 SenseNova-U1.5 上验证了画质稳定性、内容一致性和指令遵循的改善。