从规模到速度：图像编辑的自适应测试时缩放

图像思维链 (Image-CoT) 是一种通过延长推理时间来提高图像生成的测试时扩展范式。大多数 Image-CoT 方法集中在文本到图像 (T2I) 生成上。与 T2I 生成不同，图像编辑是目标导向的：解空间受限于源图像和指令。这种不匹配导致将 Image-CoT 应用于编辑时面临三个挑战：固定采样预算导致的资源分配效率低下、使用通用 MLLM 评分产生的早期验证不可靠，以及大规模采样导致的冗余编辑结果。为此，我们提出了自适应编辑思维链 (ADE-CoT)，这是一个按需测试时扩展框架，旨在提高编辑效率和性能。它包含三个关键策略：(1) 难度感知资源分配，根据预估的编辑难度分配动态预算；(2) 早期剪枝中的编辑特定验证，利用区域定位和描述一致性筛选有潜力的候选样本；(3) 深度优先机会性停止，在实例特定验证器的引导下，一旦发现符合意图的结果即停止生成。在三个基准测试中对三种最先进的编辑模型（Step1X-Edit、BAGEL、FLUX.1 Kontext）进行的广泛实验表明，ADE-CoT 实现了卓越的性能-效率平衡。在采样预算相当的情况下，ADE-CoT 比 Best-of-N 获得了更好的性能，且速度提升超过 2 倍。