ThinkDrag：基于语义拖拽与视觉推理的图像编辑框架

ThinkDrag 是一个统一的多模态拖拽式图像编辑框架，通过视觉推理将点约束关联到物体和场景级的语义变换，并可选择性输出显式推理轨迹以提升可解释性。该框架引入 Drag Endpoint Markers 提供显式对应信号，并构建了带推理轨迹的监督数据集与 DragBench++ 基准。实验显示 ThinkDrag 达到 SOTA 性能，在提升生成质量与合理性的同时保持有竞争力的点跟随精度。