PulseAugur
中
实时 16:59:55
English(EN) PhyEditBench: A Real-World Multi-Stage Benchmark for Physics-Aware Image Editing

新基准PhyEditBench测试AI图像编辑中的物理推理能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了PhyEditBench，这是一个旨在评估图像编辑模型基于物理的推理能力的新基准。该基准包含从视频中提取的238个真实世界实例和35个合成的违反物理定律的实例，并被归入一个分层分类法。在PhyEditBench测试中，当前最先进的编辑方法在基于物理的推理方面显示出显著的局限性。研究人员还提出了PhyWorld，一个利用视频生成进行推理的免训练基线，其表现优于同类模型。 AI

影响 该基准通过强调对更强的物理感知推理的需求，有望推动AI图像编辑的改进。

排序理由 该集群描述了一个新的学术基准和一个用于评估AI能力的基线模型。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新基准PhyEditBench测试AI图像编辑中的物理推理能力

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Shengbin Guo, Shaokang He, Chaoyue Meng, Shengpeng Xiao, Xunzhi Xiang, Shaofeng Zhang, Qi Fan ·

    PhyEditBench: A Real-World Multi-Stage Benchmark for Physics-Aware Image Editing

    arXiv:2606.26551v1 Announce Type: new Abstract: While instruction-based image editing, enabled by multi-modal generative models, has advanced significantly, existing benchmarks lack a comprehensive evaluation of physics-based reasoning, a critical capability for handling real-wor…

  2. arXiv cs.CV TIER_1 English(EN) · Qi Fan ·

    PhyEditBench：面向物理感知图像编辑的真实世界多阶段基准测试

    While instruction-based image editing, enabled by multi-modal generative models, has advanced significantly, existing benchmarks lack a comprehensive evaluation of physics-based reasoning, a critical capability for handling real-world scenarios. To address this, we introduce PhyE…

相关话题