标签： 全部 强化学习 扩散模型 大语言模型 基准测试 视频生成 LLM智能体 世界模型 视觉语言模型 GRPO 多模态大模型 知识蒸馏 基准评测 具身智能 流匹配 机器人操作 多智能体系统 智能体 LLM Agent 可解释性 图像生成 代码生成 多模态学习 检索增强生成 注意力机制 RLVR 后训练 视频理解 机器人学习 多模态 长上下文 数学推理 图像编辑 VLA 数据合成 多模态大语言模型 推理加速 评测基准 高效推理 自监督学习 工具调用 对比学习 扩散语言模型 参数高效微调 视觉-语言-动作模型 Transformer 工具使用 LoRA 持续学习 自蒸馏 LLM评估 多模态推理 RAG 模仿学习 综述 信息检索 LLM推理 信用分配 在线策略蒸馏 合成数据 模型压缩
找到 112 条结果
相关性 | 日期

UniSpace：统一视觉表示与可扩展多模态建模

👍 12

补丁重参数化让冻结语义ViT兼得理解与重建，单一视觉空间支撑生成与编辑

Jinbo Yan, Limeng Qiao, Jie Qin, Junyan He, Feize Wu, Guanglu Wan 2026-08-24
图像生成 图像编辑 流匹配 统一多模态模型 视觉tokenizer
✅ 已总结
详情 →

用于多参考图像编辑的评估-验证奖励(EVR)

👍 17

提出EVR奖励：多假设评估+视觉验证，强化学习优化多参考图像编辑。

Yingmao Miao, Pengfei Zhang, Xiaochen Lv, Meng Yu, Lei Sun, Xiangxiang Chu,... 2026-08-03
DiffusionNFT 图像编辑 多参考图像编辑 多模态大语言模型 奖励模型
✅ 已总结
详情 →

面向视频模型的视觉提示工程

👍 20

用图像编辑模型改造任务图片，系统提升视频模型视觉推理能力

Robert Geirhos, Yuxuan Li, Thaddäus Wiedemer, Neha Kalibhat, Zi Wang, Mani... 2026-07-29
图像编辑 提示工程 测试时扩展 真实感偏差 视觉推理
✅ 已总结
详情 →

让 RGB 成为视觉的通用语言

👍 7

用RGB统一视觉任务的输入输出，冻结图像编辑器零样本完成25项感知与生成任务

Timing Yang, Jinrui Yang, Xinlong Li, Yuhan Wang, Haoran Li, Yanqing Liu,... 2026-07-15
RGB表示 可控生成 图像编辑 密集预测 统一视觉模型
✅ 已总结
详情 →

基于视觉实例提示分割的可控虚拟试衣

👍 7

把虚拟试衣转为图像编辑任务，用手绘掩码精确控制衣物尺寸、款式与摆放

Seungyong Lee, Hyun Jun Jang, Sangoh Kim, Sungjoon Park 2026-07-14
可控生成 图像编辑 实例分割 扩散变换器 虚拟试衣
✅ 已总结
详情 →

MirrorPPR：基于样例的人像照片修饰

👍 6

提出基于示例的人像结构精修框架，通过自增强范式和4700万对数据集实现精确操作传递

Zhihong Liu, Zheng Li, Jiachun Jin, Siqi Kou, Yitao Jian, Fengpei Yu, Zhijie Deng 2026-06-30
Diffusion Transformer 人像精修 图像编辑 数据增强 示例学习
✅ 已总结
详情 →