Tag · 2 篇
任务分解
分布 图像编辑与可控生成1视觉语言模型1
01 02
面向复杂图像编辑的鲁棒序列分解
Towards Robust Sequential Decomposition for Complex Image Editing
把复杂指令式编辑拆成多步序列执行，并用合成数据管线构造带高质量分解序列的大规模编辑数据集，再与真实编辑数据联合训练实现 sim-to-real 迁移；对做指令编辑、组合式编辑的研究者，这套分解范式与数据构造方式可直接复用。
Symphony：受认知启发的多智能体系统用于长视频理解
Symphony: A Cognitively-Inspired Multi-Agent System for Long-Video Understanding
提出基于VLM的视觉定位方法评估视频片段与问题的相关性，并设计带反思的多智能体协作机制，可复用于长视频问答中的关键片段定位与多步推理。