Rubric-CEPR: Self-Evolving Image Editing via Reward-Verified Self-Distillation

📄 arXiv: 2610.12469v1 📥 PDF

作者: Ritesh Thawkar, Shubham Patle, Shravan Venkatraman, Rao Muhammad Anwer

分类: cs.CV

发布日期: 2026-10-08

备注: Project Page: $\href{https://riteshthawkar.github.io/Rubric-CEPR/}{\text{this URL}}$

🔗 代码/项目: PROJECT_PAGE

💡 一句话要点

提出Rubric-CEPR以解决图像编辑自我进化问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 自我进化 图像编辑 奖励模型 对比学习 蒸馏训练 深度学习 计算机视觉

📋 核心要点

  1. 现有的图像编辑方法依赖于人工编辑的训练对或外部奖励模型，获取这些监督信息成本高且可能导致不理想的编辑结果。
  2. Rubric-CEPR通过自我进化框架，利用编辑器自身生成的样本进行验证，避免了对人工目标和外部奖励的依赖。
  3. 在Qwen-Image-Edit上，Rubric-CEPR将ImgEdit评分从4.36提升至4.60，提升幅度为5.5%，并在其他基准上也表现出色。

📝 摘要（中文）

指导性图像编辑器已变得非常强大，但进一步提升仍依赖于人工编辑的训练对或外部奖励模型，这种监督成本高且可能导致不理想的结果。本文提出了一种名为Rubric-CEPR的自我进化框架，通过内部表示验证编辑器自身生成的样本，旨在无需人工编辑目标或外部奖励模型的情况下改进预训练的图像编辑器。该框架包括一个规划器、编辑器和评论员，采用对比编辑保留奖励（CEPR）进行样本评分。实验结果表明，Rubric-CEPR在Qwen-Image-Edit上将ImgEdit的评分从4.36提升至4.60，提升幅度为5.5%。

🔬 方法详解

问题定义：现有的图像编辑方法通常依赖于人工编辑的训练对或外部奖励模型，这不仅增加了成本，还可能导致编辑结果的不理想性，例如未能实现请求的更改或破坏应保留的内容。

核心思路：Rubric-CEPR框架的核心在于利用编辑器自身生成的样本进行自我验证，通过内部表示来评估编辑效果，从而实现自我进化，避免对外部监督的依赖。

技术框架：该框架包括三个主要模块：规划器、编辑器和评论员。规划器从未标记的图像中提出结构化的编辑指令，编辑器生成多个候选编辑，评论员则对每个候选进行评分，确保编辑的实现、旧状态的移除和内容的保留。

关键创新：Rubric-CEPR的创新之处在于引入了对比编辑保留奖励（CEPR），通过内部特征进行自我验证，显著减少了对外部监督的需求。这一方法与传统依赖人工标注或外部奖励的方式形成了鲜明对比。

关键设计：在设计上，Rubric-CEPR使用了非补偿门控机制来拒绝不可行的候选，并通过轻量级适配器训练将最佳候选蒸馏到编辑器中。具体的损失函数和网络结构细节在论文中有详细描述。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

Rubric-CEPR在Qwen-Image-Edit基准上将ImgEdit的评分从4.36提升至4.60，提升幅度为5.5%。此外，在对象隔离任务上获得了24.9%的显著提升，并且该方法在GEdit-Bench和Complex-Edit等其他基准上也表现出色，显示了其良好的迁移能力。

🎯 应用场景

Rubric-CEPR的研究成果在图像编辑领域具有广泛的应用潜力，特别是在需要高效生成和编辑图像的场景中，如广告设计、游戏开发和社交媒体内容创作。通过减少对人工干预的依赖，该方法有望提高图像编辑的自动化水平和效率，推动相关技术的进一步发展。

📄 摘要（原文）

Instruction-guided image editors have become highly capable, yet improving them further still depends on human-edited training pairs or external reward models. Such supervision is costly to obtain and can reward plausible failures: a realistic output may leave the requested change undone or alter content that should be preserved. In this work, we strive to improve a pretrained image editor using only its own generations, without human-edited targets or an external training-time reward model. To this end, we propose a self-evolving framework, named Rubric-CEPR, that verifies the editor's own samples with its internal representations through a rubric-augmented Contrastive Edit-Preservation Reward (CEPR). A Planner proposes structured edit instructions from unlabeled images, the Editor samples multiple candidate edits, and a frozen Critic scores each candidate with decomposed rubric checks for edit realization, removal of the old state, and content preservation, using features already exposed by the editor. Non-compensatory gates reject infeasible candidates, and the best verified candidate is distilled into the editor through lightweight adapter training. On Qwen-Image-Edit, Rubric-CEPR improves ImgEdit from 4.36 to 4.60 (+5.5%), with a +24.9% gain on object isolation, and transfers to GEdit-Bench and Complex-Edit. The same procedure also improves Step1X-Edit by +7.8% on ImgEdit. We hope our approach will serve as a solid baseline for image editors that improve themselves from their own verified samples. Our code is publicly available at $\href{https://riteshthawkar.github.io/Rubric-CEPR/}{\text{this URL}}$