HOI-Eval

新基准和框架解决了图像中复杂的人物-物体交互编辑问题

研究人员推出了 HOI-Edit，这是一个旨在专门评估人物-物体交互（HOI）图像编辑能力的新基准。该基准包含三个认知级别和一个名为 HOI-Eval 的自动化指标，通过视觉-语言模型的问答过程来评估实例级别的交互。该研究还提出了 SCPE，一个利用图像到视频（I2V）模型来自我纠正的框架，通过迭代改进提示来提高动态 HOI 编辑的准确性。