Form and Void Agent

新型AI代理通过分阶段的正负空间生成来改进图像构图

研究人员开发了Form and Void Agent (FaV-A)，这是一种多模态代理，旨在通过专门处理正空间和负空间的生成来改进图像构图。与多模态大型语言模型 (MLLM) 的直接提示方法不同，FaV-A 采用分阶段的方法。它首先生成一个基础对象，然后分析其结构以确定潜在的负空间语义，最后为图像生成阶段创建指令。与零样本 MLLM 基线相比，该方法在生成视觉上连贯且语义上一致的构图方面显示出更有效的结果。