Mind-Brush
基本信息
| 属性 | 值 |
|---|---|
| 全称 | Mind-Brush: Integrating Agentic Cognitive Search and Reasoning into Image Generation |
| 作者 | Jun He, Junyan Ye, Zilong Huang, Dongzhi Jiang, Chenjue Zhang, Leqi Zhu, Renrui Zhang, Xiang Zhang, Weijia Li |
| 年份 | 2026 (arXiv 2602.01756, ICML 投稿) |
| 类型 | Agent 驱动的图像生成框架 |
核心创新
将图像生成从”静态文本到像素解码”升级为 think-research-create 动态知识驱动工作流，模拟人类的认知过程。
传统模型：文本 → [黑盒解码] → 图像
Mind-Brush：文本 → Think(理解意图) → Research(检索知识) → Create(生成图像)
Think-Research-Create 范式
| 阶段 | 做什么 | 为什么需要 |
|---|---|---|
| Think | 理解用户隐式意图，分解为子问题 | 用户说”画一个赛博朋克风格的茶馆”，模型需要知道赛博朋克的视觉特征+茶馆的传统元素 |
| Research | 主动检索多模态证据（网络搜索、数据库查询） | 模型训练数据中没有”2026年最流行的球鞋”的知识 |
| Create | 基于检索到的知识生成图像 | 接地于真实世界知识的生成 |
能力突破
- zero-to-one 能力飞跃：Qwen-Image baseline 在 Mind-Bench 上从零到可用
- OOD 概念接地：实时新闻、新兴概念（模型训练时不存在的事物）
- 隐式约束推理：数学推理（“画一个对称的六边形花园”）、地理推理（“画出尼罗河三角洲的卫星视角”）
与同类 Agent 模型的对比
| 维度 | GoT | Mind-Brush | VisionCreator |
|---|---|---|---|
| 推理方式 | 内部 CoT 推理 | 外部知识检索 + 推理 | UTPC 全流程 |
| 知识来源 | 模型内部先验 | 动态检索外部知识 | 内部先验 + 训练 |
| 核心突破 | 语义-空间推理链 | OOD 概念实时接地 | 端到端自主创建 |
| 代表场景 | 通用生成/编辑 | 实时信息、新兴概念 | 复杂创意任务 |
| Benchmark | 无专属 | Mind-Bench (500) | VisGenBench (1.2K) |
在思维链/Agent 演进中的位置
编辑/生成领域的 Agent 化只有三种路：
- 内部推理（GoT）：模型自己思考，不依赖外部信息
- 外部检索（Mind-Brush）：模型主动获取缺失知识 → 这是最接近人类创作过程的
- 全流程自主（VisionCreator）：从理解到规划到创建，一步到位
Mind-Brush 填补了最关键的一环：当模型的知识不够时怎么办？ 答案是像人类一样去查资料。
在 Wiki 中的关联
- 来源：Mind-Brush
- 主题：扩散模型图像编辑与生成
- 比较：编辑方法能力演进
- 相关：GoT, VisionCreator