通过再生进行细化：扩大修改空间可促进统一多模态模型中的图像细化

统一多模态模型 (UMM) 将视觉理解和生成集成在单个框架内。对于文本到图像 (T2I) 任务，这种统一功能允许 UMM 在初始生成后细化输出，从而有可能扩展性能上限。当前基于 UMM 的细化方法主要遵循通过编辑进行细化 (RvE) 范例，其中 UMM 生成编辑指令来修改未对齐的区域，同时保留对齐的内容。然而，编辑指令通常仅粗略地描述提示图像未对准，导致细化不完整。此外，像素级保存虽然对于编辑是必要的，但却不必要地限制了细化的有效修改空间。为了解决这些限制，我们提出了通过再生进行细化（RvR），这是一种新颖的框架，它将细化重新表述为条件图像再生而不是编辑。 RvR 不依赖编辑指令并强制执行严格的内容保留，而是根据目标提示和初始图像的语义标记重新生成图像，从而实现更完整的语义对齐和更大的修改空间。大量实验证明了 RvR 的有效性，将 Geneval 从 0.78 提高到 0.91，将 DPGBench 从 84.02 提高到 87.21，将 UniGenBench++ 从 61.53 提高到 77.41。