EComEditBench

新AI框架支持电子商务图像的精确、多步编辑

研究人员开发了GMO-E^2DIT，一个用于编辑电子商务图像的新框架，它使用了一个视觉语言模型（VLM）结合一个掩码条件图像编辑器。这种代理方法将复杂的编辑任务分解为多个局部操作，克服了单次编辑模型在处理模糊指令和保留未修改内容方面的局限性。该系统通过一个驱动反思的循环迭代地改进编辑，确保进度和错误恢复，并通过一个新的基准EComEditBench进行了验证，显示出与现有模型相比具有竞争力。