NTU mmlab 发布 ThinkDrag：用视觉推理理解拖拽编辑语义

NTU mmlab 等机构发布 ThinkDrag，一个带视觉推理能力的拖拽式图像编辑多模态框架。它把点约束关联到物体/场景级语义变换，可生成显式推理轨迹解释编辑意图，并引入 Drag Endpoint Markers、配推理轨迹的监督数据集与 DragBench++ 基准。实验显示其生成质量与合理性达 SOTA，同时保持有竞争力的点位跟随精度。