自纠正耦合马尔可夫跳转过程：同步图像理解与生成

论文提出Self-Correcting Coupled Markov Jump Processes（SC-CMJP）框架和无需训练的采样器CO2Jump，实现图像理解与生成的同步自纠正。该方法通过跨模态置信度加权和重新掩码跳转机制，检测并修复跨模态矛盾。同时发布了三个大规模联合多模态生成数据集：JEdit-1M、JMaze-200K、JNono-200K。实验表明在图像理解、编辑和视觉推理任务上达到最佳联合性能。

此前方法无法在生成过程中实时检测和修复文本与图像之间的矛盾，新方法首次实现单次采样中的跨模态自纠正，无需额外训练或重采样，显著提升联合生成的一致性。

SC-CMJP使文本和图像的马尔可夫跳转过程的转移速率函数依赖于对方模态的置信度分数（通过交叉注意力加权）。当某一模态的决策与另一模态的最新证据冲突时，触发重新掩码跳转，撤回之前决策并重新采样，从而在每一步中同步修正。

该方法可直接提升图像编辑工具、视觉问答系统和交互式生成产品的准确性和一致性，降低人工修正成本；基于CO2Jump的推理效率（单次采样）适合实时应用场景。

• 将CO2Jump集成到图像编辑软件（如Photoshop插件），实现输入文本时自动纠正图文矛盾。
• 基于JMaze-200K数据集开发迷宫视觉推理游戏，利用方法生成无矛盾谜题。
• 为多模态聊天机器人提供图像理解与生成一体化能力，提升对话一致性。

• SC-CMJP在复杂现实场景中（如多人、多物体）的性能和速度是否仍优于现有方法？
• 该方法是否支持除文本和图像之外的其他模态（如音频、视频）？
• 训练数据集JEdit-1M等是否公开可用？代码是否开源？