新基准和框架应对复杂人与物交互编辑

研究人员推出了 HOI-Edit，一个旨在评估图像编辑中复杂人与物交互（HOI）的新基准，超越了静态属性。该基准包括一个自动评估指标 HOI-Eval，它通过让视觉语言模型（VLM）在分析带有基础 HOI 对的图像后回答问题来评估实例级别的交互。该研究还提出了 SCPE（Self-Correcting Process Editing），一个代理框架，用于优化图像到视频（I2V）模型的提示，以提高动态 HOI 编辑的准确性，并取得了与 Nano Banana 等最先进模型相媲美的性能。 AI

影响 这项研究可能带来更复杂的 AI 图像编辑工具，能够理解和操纵复杂的交互。

排序理由 该集群描述了一篇介绍图像编辑基准和框架的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• HOI-Edit
• HOI-Eval
• Image-to-Video (I2V)
• Jiayi Gao
• Nano Banana
• SCPE (Self-Correcting Process Editing)
• vision-language model

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →