好的，还是回到原来的图像编辑的话题，对于交互式的因果推理图像编辑，其实本质上是不是可以认为把多个单轮的图像编辑整合到一起，然后把每一轮之间的语义和图像信息再次利用起来，对吧 那么对于每一个单轮的交互，我希望先构造一个数据集用于训练 ...