Inline Critic: Correzione in tempo reale durante l'editing di immagini

I ricercatori propongono Inline Critic, un metodo che corregge gli errori di editing delle immagini durante il forward pass del modello. Analizzando un modello di editing di immagini congelato, hanno scoperto che i pattern di errore si stabiliscono nei primi strati (correlazione di rango 0.83 con la mappa degli errori dell'ultimo strato), mentre la capacità di generazione emerge solo negli strati successivi. Inline Critic utilizza un token apprendibile per criticare le predizioni intermedie e guidare gli stati nascosti, consentendo un perfezionamento senza attendere la generazione completa. Un addestramento in tre fasi stabilizza l'apprendimento dalla critica alla guida. L'approccio affronta la difficoltà eterogenea tra le regioni dell'immagine, offrendo un'alternativa più efficiente al perfezionamento post-hoc. L'articolo è pubblicato su arXiv (2605.12724).