Continuous Preference Field

新的连续偏好场方法改进了美学图像裁剪

研究人员开发了一种新的美学图像裁剪方法，通过将人类偏好建模为连续场而非离散标注。这种连续偏好场（CPF）方法解决了先前限制模型准确性和泛化能力的人类主观性和刚性采样网格问题。该团队使用CPF奖励训练了一个名为CPIC的VLM模型，该模型达到了最先进的性能并提高了域外泛化能力。为了解决基准评估问题，他们还引入了CPICD，一种对地面真实框的重新校准，为图像裁剪领域的未来研究奠定了更可靠的基础。