EyeControl

新型AI代理使用MLLM和扩散修饰增强图像焦点

研究人员开发了EyeControl，一种使用多模态大语言模型（MLLM）和基于扩散的修饰执行器来增强图像视觉焦点的新型代理。该系统允许用户通过最少的输入将注意力引导到特定区域，有效地实现图像的“点睛”。EyeControl通过将用户意图与目标编辑区域和色调调整联系起来，确保协调的全局和局部编辑以获得自然效果。配套的ControlArt-Bench数据集为视觉焦点增强提供了高质量的评估。