DeCoRL：通过分解一致性强化学习提升多图合成效果

DeCoRL 是一个强化学习框架，将整体一致性分解为对象级一致性，以提升多图合成（MICo）质量。 该方法通过定位参考图像中的对象对应区域，并利用基于 VLM 的奖励模型生成细粒度反馈，以此引导后续训练。 实验在 DeCo-Bench 和 MICo-Bench 上显示，该方法在多图合成一致性方面带来了持续提升。