跳到主要内容
检索

# 图像编辑

10 篇关联报道

订阅更新
  1. arXiv

    多模态生成不再联合训练:SnB 在采样中途分叉,复用预训练扩散模型

    多模态生成此前多依赖从零联合训练一个共享隐变量,难以扩展到高分辨率图像。SnB 改为在采样时耦合各自预训练的单模态扩散模型:先共享一段反向扩散轨迹,在分叉点经桥接模块转入各模态分支。在 CelebAMask-HQ 上,SnB 在全部共享比例设置下取得最低 FID,同时保持较强一致性;在 PolyMNIST 上则与自上而下方法互有胜负。

  2. MiniMax

    MiniMax 开源 H3-Image:4K 图像生成压到 10 秒内,速度最高为主流方案 5 倍

    MiniMax 发布开源权重图像生成模型 H3-Image,支持文生图、参考图生成与图像编辑,可在 10 秒内生成 4096×4096 的 4K 图像,并称速度最高达主流方案的 5 倍。此前 4K 输出比常见的 1K、2K 更耗时,难以进入日常创作流程。这一速度来自后训练流程的整体改动,包括数据、强化学习、采样步数削减、PE 与部署优化,而非单项改动。

  3. arXiv

    自回归图像模型不必重训:加一张位置表、排一门顺序课,补全与外扩就能从旧权重里解锁

    预训练好的光栅顺序自回归图像模型原本只能从左到右、从上到下逐块生成,无法在推理时补全或外扩。新的适配方案只加一张未来感知位置嵌入表,并用一条从光栅顺序渐变到随机顺序的课程继续训练,让同一套权重按任意顺序条件生成。在 ImageNet 上,LlamaGen-XL 适配后 FID 从 2.63 升到 3.91,却换来补全与外扩能力,且推理仍可沿用 KV 缓存与 vLLM。

  4. arXiv

    图像生成智能体不再只试错:失败经验经反事实复核后写入技能库,GenEval2 达 86.1

    图像生成的智能体框架此前多为只读的生成—校验—改写循环,修复经验被丢弃,或未经把关就写入技能库。VEvo-Harness 把失败判定展开成层级验证树以定位根因,再用反事实双路图像重放只接纳因果有效的技能补丁,并按工作、经验、模式三层管理记忆。在 Qwen-Image-2512 后端上,它在 GenEval2 达到 86.1,比 GenRouter 高 14.5 个百分点,同时保持持续演化。

  5. arXiv

    广告图不再整张重做:只改拖累点击的属性,一周线上曝光两千万次点击率提升6.86%

    电商广告图优化从整张重做改为按属性细粒度编辑:先筛出28个与点击率显著相关的视觉属性,再按真实点击偏好调整修改建议,一周线上约两千万次曝光下整体点击率提升6.86%。

  6. arXiv

    共享线性映射在多大程度上足以预测图像编辑引起的特征变化:在ConvNeXt、SwinV2与DINOv3上的探针比较

    该工作训练了从空间共享线性映射到非线性逐向量、感受野及全局Transformer等容量递增的探针,用于预测几何变换、光度编辑、遮挡与扩散生成语义编辑所引发的特征空间变化,发现在ConvNeXt、SwinV2与DINOv3中,对监督骨干网络而言单个共享线性映射预测留出操作结果的表现常与更强探针接近,且这种充分性通常随深度增加,而DINOv3上该模式较不一致。

  7. arXiv

    PixelDense 把 SAM2、Depth Anything v2 与 Metric3D v2 拆成语义与几何两条对齐流,让 PixelGen-XXL 的 GenEval Overall 从 0.7927 升到 0.8093

    该工作提出 PixelDense,把 DINOv2 与 SAM2 送入语义投影流、把 Depth Anything v2 与 Metric3D v2 送入几何投影流,并用权重空间正交惩罚让两流占据不相交子空间,在 PixelGen 与 DeCo 上以同一配方提升 GenEval、DPG-Bench 与 HPS v2.1,其中 PixelGen-XXL 的 GenEval Overall 由 0.7927 升至 0.8093,并优于所有单教师与未分解多教师变体。

  8. arXiv

    TRM 先为每个案例生成自适应评分细则再打分,在图像生成与编辑奖励建模基准上超过开源模型并逼近专有模型

    该工作提出“Think Before You Score”范式与 Thinking Reward Model(TRM):先针对每个任务条件与候选输出生成案例自适应评分细则,再逐条判定并汇总为细粒度逐点奖励,同时提出 PD-GRPO 用成对偏好监督提升区分度并抑制分数极化;在图像生成与编辑奖励建模基准上,TRM 在开源奖励模型中达到最优并与专有模型高度接近,作为强化学习奖励信号还能持续提升多种视觉生成模型。

  9. arXiv

    Adobe Research与KAIST提出FlowTool:把修图工具参数当作条件生成问题,参考指标最高降低L1 28.8%、L2 47.4%,推理延迟至少降50倍

    Adobe Research与KAIST的研究者提出FlowTool,用条件整流流(conditional rectified flow)直接建模图像与指令条件下的高质量修图工具参数分布,以视觉语言模型骨干加DiT参数生成器和工具存在性预测头替代自回归MLLM的推理与逐token数值生成,在MMArt-Bench、FlowTool-Eval、ArtEdit-Bench和MIT-Adobe5K上参考指标优于专用MLLM编辑智能体与专有MLLM,并在无参考评测中与专有模型相当,同时把推理延迟降低至少50倍、峰值显存降低近2倍。

  10. arXiv

    把“细化”本身当作编辑界面:RefineEdit 如何在生成式细化网络中免训练改图

    该工作提出 RefineEdit,一个免训练的提示到提示图像编辑框架,它把编辑定位与内容生成耦合在生成式细化网络(GRN)的全局二值码细化过程中:从源图细化的中间状态分支出编辑分支,用两分支对同一源采样比特的概率有符号差来选出可编辑的位置与比特,未选中的比特复制演化中的源状态,并以自适应空间冻结与有限比特锁定稳定跨步决策,在 PIE-Bench 九个编辑类别上取得最佳背景保持指标(PSNR、LPIPS、MSE、SSIM)以及最高的整图与编辑区域 CLIP 分数。

已读完全部报道