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 视觉语言模型 世界模型 GRPO 多模态大模型 多智能体系统 多模态学习 智能体 知识蒸馏 图像生成 代码生成 LLM智能体 注意力机制 LLM Agent 具身智能 流匹配 多模态大语言模型 视频理解 数学推理 检索增强生成 可解释性 图像编辑 多模态 机器人学习 机器人操作 自监督学习 工具使用 Transformer 基准评测 对比学习 长上下文 RLVR 多模态推理 计算机视觉 数据合成 LLM评估 信息检索 推理加速 3D重建 扩散语言模型 自回归模型 视觉推理 RAG 参数高效微调 LoRA 视觉-语言-动作模型 Flow Matching 模型压缩 自回归生成 视觉-语言模型 后训练 工具调用 持续学习 高效推理 RLHF 策略优化
找到 76 条结果
相关性 | 日期

基于视觉实例提示分割的可控虚拟试衣

👍 4

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

👍 8

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 →

DanceOPD：在线策略生成场蒸馏

👍 81

通过硬路由和单查询场匹配，实现多能力图像生成模型的统一蒸馏

Wei Zhou, Xiongwei Zhu, Zelin Xu, Bo Dong, Lixue Gong, Yongyuan Liang, Meng... 2026-06-26
Flow Matching 图像生成 图像编辑 多能力组合 知识蒸馏
✅ 已总结
详情 →

文本-视觉协同指导的图像编辑

👍 19

联合文本语义和视觉空间提示实现精准意图感知的图像编辑

Chenxi Xie, Yuhui Wu, Qiaosi Yi, Lei Zhang 2026-06-17
图像编辑 多模态学习 扩散模型 计算机视觉
✅ 已总结
详情 →

PaintBench：精确视觉编辑的确定性评估基准

👍 3

首个基于像素级确定性评估的精确视觉编辑基准，揭示当前多模态模型在基本栅格操作上的显著局限性。

Kai Xu, Ellis Brown, Shrikar Madhu, Rob Fergus, He He, Saining Xie 2026-06-04
图像编辑 基准测试 多模态模型 确定性评估 视觉推理
✅ 已总结
详情 →

ETCHR：用编辑来澄清和驾驭视觉推理

👍 13

用专用图像编辑器替代工具调用与统一多模态，让MLLM真正“用图像思考”。

Beichen Zhang, Yuhong Liu, Jinsong Li, Yuhang Zang, Jiaqi Wang, Dahua Lin 2026-05-25
GRPO LoRA微调 图像编辑 多模态大模型 强化学习
✅ 已总结
详情 →