实体
MICo-Bench
MICo-Bench
PulseAugur coverage of MICo-Bench — every cluster mentioning MICo-Bench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的强化学习框架提高了多图像组合的一致性
研究人员开发了DeCoRL，一个强化学习框架，旨在增强大型图像编辑模型中的多图像组合（MICo）能力。该方法将整体MICo一致性分解为对象级一致性，在参考图像和生成输出之间建立对应关系。使用视觉语言模型（VLM）提供逐对象反馈，然后将其聚合为奖励信号以指导强化学习过程。DeCoRL的有效性通过在新基准DeCo-Bench和现有MICo-Bench上的实验得到证明，显示出一致性方面的显著改进。
-
新的MICo-150K数据集和基准测试推动多图像组合任务发展
研究人员推出了MICo-150K，这是一个旨在提高AI模型多图像组合（MICo）能力的大规模数据集。该数据集通过将MICo分为七个任务并提供高质量的合成图像，解决了从多个参考图像合成连贯图像的挑战。MICo-150K包含一个用于真实世界图像分解和重组的独特子集，以及一个基准套件和一个名为Weighted-Ref-VIEScore的新评估指标。在该数据集上微调模型已显示出在MICo任务中的显著改进，基线模型Qwen-MICo表现出增强的性能。