MTEdit: Çok Turlu Görsel Düzenlemede Paketlenmiş Yörüngeler Sıralı Çıktıları Geride Bırakıyor

Çok Turlu Görsel Düzenleme ve Veri Kalitesi Zorluğu#

Çok turlu görsel düzenleme (multi-turn image editing), bir görseli ardışık talimatlar dizisine göre değiştirmeyi hedefler. Bu yaklaşım, tek seferlik düzenlemelere kıyasla insan ve yapay zeka arasındaki işbirlikçi üretim sürecine çok daha uygundur. Ancak yüksek kaliteli çok turlu eğitim verisi oluşturmak hala ciddi bir mühendislik zorluğudur. Geleneksel sıralı çıktı üretimi (sequential rollout), her adımda hataları biriktirir ve düzenleme turları ilerledikçe görsel kalite kaymasına (visual-quality drift) yol açar.

MTEdit Veri Seti ve Paketlenmiş Yörünge Tuvali (PTC)#

Bu sorunu çözmek için Paketlenmiş Yörünge Tuvali (Packed Trajectory Canvas - PTC) üretimine dayalı bir iş hattı (pipeline) ile geliştirilen MTEdit veri seti sunulmaktadır. Bu mimari, birden fazla düzenleme durumunu birleşik bir görsel bağlam içinde ortaklaşa üreterek turlar arasındaki görsel kalite kaymasını önemli ölçüde azaltır.

MTEdit veri setinin temel özellikleri şunlardır:

• Hem adım adım (step-wise) hem de bağlam duyarlı (context-aware) düzenleme senaryolarını kapsar.
• Toplam 500.000 çok turlu görsel düzenleme yörüngesinden oluşur.
• Yörünge başına 8 tura kadar uzanan ve ortalama 5.38 tur içeren yapısıyla, bu alandaki en kapsamlı veri setlerinden biridir.

MTEdit-Bench ve Qwen-Image-MTEdit Model Performansı#

Araştırma kapsamında ayrıca her iki senaryoyu değerlendirmek üzere tasarlanmış MTEdit-Bench kıyaslama testi (benchmark) tanıtılmaktadır. Bu test; modellerin düzenleme talimatlarını takip etme, içerik tutarlılığını koruma, görsel kalite kaymasına direnme ve turlar boyunca geçmiş bağlamı etkili bir şekilde kullanma yeteneklerini ölçer.

MTEdit veri seti kullanılarak Qwen-Image-Edit-Causal modeli ince ayardan (fine-tuning) geçirilmiş ve Qwen-Image-MTEdit elde edilmiştir. MTEdit-Bench üzerinde yapılan kapsamlı testlerde, hem kapalı kaynaklı hem de açık kaynaklı görsel düzenleme modelleri değerlendirilmiştir. Deneysel sonuçlar, Qwen-Image-MTEdit modelinin değerlendirilen açık kaynaklı modeller arasında en iyi performansı elde ettiğini ve MTEdit'in çok turlu düzenleme yeteneklerini geliştirmedeki etkinliğini kanıtlamaktadır.

Yazılım Geliştirme ve Mühendislik Çıkarımları#

Yapay zeka mühendisliği ve yazılım geliştirme perspektifinden bu araştırma kritik pratik dersler içerir:

• Hata Birikimini Önleme: Çok adımlı (multi-step) sistemlerde her adımı bağımsız bir sıralı çağrı olarak yürütmek yerine, birleşik bağlam (unified context) kullanmak kalite kaymasını (drift) engeller.
• Kapsamlı Değerlendirme (Evaluation): Üretim ortamındaki modellerde sadece tekil çıktı kalitesini değil; geçmiş bağlamı koruma ve ardışık talimatlara uyma metriklerini içeren Golden Dataset ve özel benchmark yapıları kurgulamak şarttır.
• Hedefli İnce Ayar (Fine-Tuning): Doğru yapılandırılmış sentetik veri üretim hatları (PTC gibi), açık kaynaklı modellerin (Qwen serisi) karmaşık görevlerde üst düzey performans göstermesini sağlar.