研究人员开发了DeCoRL，一个强化学习框架，旨在增强大型图像编辑模型中的多图像组合（MICo）能力。该方法将整体MICo一致性分解为对象级一致性，在参考图像和生成输出之间建立对应关系。使用视觉语言模型（VLM）提供逐对象反馈，然后将其聚合为奖励信号以指导强化学习过程。DeCoRL的有效性通过在新基准DeCo-Bench和现有MICo-Bench上的实验得到证明，显示出一致性方面的显著改进。 AI
影响 这项研究可能带来更复杂的图像编辑工具，能够跨多个参考图像保持一致性。
排序理由 该集群包含一篇详细介绍AI模型训练新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- DeCo-Bench
- DeCoRL
- Mico
- MICo-Bench
- reinforcement learning
- supervised fine-tuning
- vision-language model
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
