AnyBench

新的ARRO方法通过最小化意外更改来改进可控图像编辑

研究人员开发了一种新的可控图像编辑方法，该方法侧重于仅进行指定的更改，同时保留图像的其余部分。这种方法使用带有代理视觉-语言奖励模型的强化学习来审计编辑，识别未实现的请求更改和意外的修改。该系统名为ARRO，在FLUX.1等基准测试中展示了平均EditScore的提高，并将非目标像素更改减少了8.4%，与基础编辑器相比，并通过人类评估和向OmniGen2等其他模型的迁移能力进行了进一步验证。