MTEdit：一次画出四个编辑状态，减少反复修改的漂移
把多轮视觉资产编辑做成共同上下文中的训练轨迹。
MTEdit把四轮编辑结果同时放进2×2画布生成，再拆成训练轨迹，降低逐轮重画导致的画质漂移。本期归入3D相关视觉资产流程：它支持图像外观迭代，但没有证明UV、接缝或PBR材质一致性。
图解主要方法
把多轮视觉资产编辑做成共同上下文中的训练轨迹。
- 1
选图并共同生成四个状态
图2从短边至少1024像素、审美分至少8的源图开始，由VLM设计累计编辑指令，再让闭源图像模型生成4K的2×2画布。四面板共享视觉上下文，各约2K；八轮仍要把前四轮末图作为下一块输入。
- 2
过滤串扰，再反推逐轮指令
Gemini3.1Pro筛掉面板内容相互干扰等失败案例，从整张画布产生每轮新增修改指令，随后拆图并用SIFT匹配和warp改善像素对齐。指令由已生成变化反推，不能假定它完全等同用户事先提出的需求分布。
- 3
用因果注意力学习编辑历史
500K轨迹共2.69M编辑对，平均5.38轮。Qwen模型采用块因果注意力和交错3D RoPE，以teacher forcing同时训练多轮目标，当前轮不能看未来；训练20k步、32张H100，推理可复用历史KV。
实验与证据
已阅读正文与全部公开附录，核对实验条件与原图；未独立复现。
来源证据100条八轮step-wise，三个context类别各50条四轮；IF或CC低于6后，后续轮两项归零，触发轮保留，DRS不归零。 MTEdit-Bench与评分规则 ↗
我的解读后期均分混合了即时质量和此前失败，不能把它解读成仍存活样本的平均画质。
来源证据第八轮相对底座IF3.17到7.45、CC2.41到6.42、DRS4.06到4.33；相同10k轨迹、5k训练步的PTC对rollout为5.06/4.44/4.22对4.26/3.84/3.96。 主表与等预算消融 ↗
我的解读匹配预算实验较有力地支持数据构建收益；闭源最强模型的指令和内容分仍更高。
来源证据报告模型排序与人工排序相关，但未充分给出标注者数量；第三方源图权利和生成模型条款明确继续有效。 附录：人类判断和版权 ↗
我的解读排名相关不是逐图无误，数据集自有贡献的许可也不能覆盖底层图片；更长如24轮仍可能漂移。
开放情况与使用许可
已读取论文和全部附录，另核对v2正文段落与v1一致；现有来源未确认可下载的完整数据、实现和权重。论文非独占托管许可及第三方权利说明不等于自由商用授权。
LICENSE作者版权；arXiv非独占托管许可
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
为连续外观修改生成一致训练轨迹，贴近设计师反复调整资产预览图的工作。
反方 · 哪些结论还不够
依赖闭源生成器和额外筛选，面板会串扰，不能保证跨视角、UV边界、去光照或重光照一致。
综合判断
可借鉴其数据组织方式；用于3D材质生产前还缺几何和物理材质验收。
我会先做的验证
未执行的验证方案：固定同一网格和UV，进行八轮纹理编辑，逐轮测接缝、未编辑区漂移及跨视角一致性，再分离反照率与光照测试重光照。