知识卡片：DuplexBridge——协调理解与生成的统一图像编辑框架

一句话结论

DuplexBridge 让统一模型用自身的理解能力去增强自身的生成能力（无需外部理解模块），通过“源接地的桥接”明确编辑目标、终态变化与保留约束，并借助互信检查机制选择性引入全局反馈，在多个基准上显著提升图像编辑的完全合规率。

事件概述或研究问题

复杂图像编辑既要求忠实理解任务，又要求准确执行，但一次失败的编辑无法揭示究竟是哪一环节出错（理解失败还是执行失败）。论文提出的核心问题是：如何在一个统一模型内部协调“理解”与“生成”两种职责，使其各自接受恰当监督，同时又不互相污染。

方法/产品要点

• 自增强而非外部模块：使用统一模型自身的理解能力为其自身生成能力增强提示（prompt），不依赖外部理解模块。
• 源接地的桥接（source-grounded bridge）：桥接规格明确三类信息——编辑目标、最终状态变化、需保留的约束。
• 分离的监督信号：
  • 理解端：监督其对原始请求的忠实度，且不观察生成出的图像。
  • 生成端：监督其执行实际接收到的条件。
• 互信检查（reciprocal trust checks）：选择性地允许全局任务反馈进入各自角色，同时保留各自独立有效的局部监督。
• 评测基准：提出 CE-Bench，包含 1,200 个任务，衡量“任务派生的变更需求”与“保留需求”的联合满足程度。

主要结果或产业意义

• 在三种模型配置下，完整系统相比直接编辑器（direct editors）将“完全合规率”提升 21.75–25.75 个百分点。
• 在 KRIS-Bench、RISEBench、ImgEdit、GEdit-Bench 上也观察到增益。
• 从共同的监督式 Wan-Image 初始化出发：
  • 带门控的联合训练达到 77.08% 完全合规率；
  • 无门控为 70.92%；
  • 若生成端局部监督改为检查原始任务（保留两个门控）则为 75.00%。
• 结论支持：应当区分局部职责，并对联合理解—生成适配采用选择性共享反馈。

为什么重要

图像编辑失败的归因困难是长期痛点。DuplexBridge 的思路把“理解”和“生成”当作两个需要各自独立监督、又可选择性共享全局信号的角色，而不是笼统地端到端优化。这与既有统一生成/编辑方向（如颜色控制、3D 理解生成统一、群像身份绑定）同属“统一模型内多职责协调”脉络，但增量在于：聚焦理解—生成的责任拆分与信任门控机制，并给出可量化的门控消融证据。

局限与不确定性

• 论文未在摘要中说明模型规模、训练数据规模与推理成本，待核实。
• CE-Bench 的构建细节（任务来源、标注方式、评价指标定义）待核实。
• “互信检查”与“门控”的具体实现机制（如何判定信任、门控阈值如何设定）待核实。
• 增益是否在不同基座模型、不同编辑类型上保持一致，待核实。
• 与外部理解模块方案的对比细节（公平性、开销）待核实。

可用于图书/PPT/简报的角度

• “谁该为失败负责？”——把编辑失败拆解为理解失败与执行失败，作为引入责任分离监督的动机故事。
• 自增强闭环：统一模型用自身理解提升自身生成，避免外部模块依赖。
• 门控消融证据：77.08% vs 70.92% vs 75.00%，用数字说明“选择性共享反馈”与“局部监督对齐对象”的差异。
• 统一模型的协调设计：与颜色控制、3D 统一、群像规划等并列，作为“统一模型多职责协调”主题的案例。

与既有脉络的关系

既有卡片分别覆盖了统一模型在颜色控制（Paint-Anything）、3D 理解与生成（ELSA3D）、群像规划与身份绑定（WithEveryone）上的协调设计。本卡片延续“统一模型内多职责如何协调”的脉络，增量在于从理解—生成责任归因的角度切入，并提出带门控的互信检查机制与 CE-Bench 联合合规评测。

原始材料

• Title: DuplexBridge: Coordinating Understanding and Generation for Unified Image Editing
• Authors: Yidi Liu, Jie Xiao, Chaojie Mao, Jingfeng Zhang, Xueyang Fu
• Published: 2026-10-13T17:50:22Z
• Primary category: cs.CV
• arXiv ID: 2610.18819v1
• Abstract URL: https://arxiv.org/abs/2610.18819v1
• PDF URL: https://arxiv.org/pdf/2610.18819v1