Tag · 5 篇
图像编辑基准
WiseEdit：面向认知与创造性图像编辑的基准
WiseEdit: Benchmarking Cognition- and Creativity-Informed Image Editing
为图像编辑模型提供了按「感知—解读—想象」三级认知链和三类知识（陈述性/程序性/元认知）组织的评测框架，可直接用于诊断现有编辑模型在知识推理与创造性构图上的短板，并指导训练数据与能力分解设计。
MotionEdit：以运动为中心的图像编辑基准与学习方法
MotionEdit: Benchmarking and Learning Motion-Centric Image Editing
MotionNFT 提出了一种基于运动流对齐奖励的扩散模型后训练微调框架，可复用于其他需要精确运动控制的图像编辑任务，如帧控制视频合成中的关键帧编辑。
JarvisEvo：面向协同编辑器-评估器优化的自进化照片编辑智能体
JarvisEvo: Towards a Self-Evolving Photo Editing Agent with Synergistic Editor-Evaluator Optimization
把交错多模态思维链（iMCoT）与编辑器-评估器协同策略优化（SEPO）引入图像编辑智能体，为视觉研究者提供一种无需外部奖励模型即可自我改进、并缓解奖励黑客的可复用训练范式；同时其保真型/生成型编辑双工具集成与 ArtEdit-Bench 评测协议可直接用于评估编辑中的像素级保真度。
HP-Edit：面向图像编辑的人类偏好后训练框架
HP-Edit: A Human-Preference Post-Training Framework for Image Editing
用预训练 VLM 加少量人工偏好打分训练自动评分器，再把它同时当作偏好数据构造器和 RL 奖励函数，为扩散/流式图像编辑模型做后训练对齐；这套「VLM 评分器 + 偏好奖励」的流程可直接迁移到超分、去噪、视频生成等任何缺少可微目标的视觉生成任务。
Garments2Look：面向含服装与配饰的高保真整套穿搭虚拟试衣的多参考数据集
Garments2Look: A Multi-Reference Dataset for High-Fidelity Outfit-Level Virtual Try-On with Clothing and Accessories
为多参考服装与配饰的整套穿搭试衣提供了 8 万对多图到单图的配对数据与基线评测，做可控生成或多参考条件注入的研究者可直接用它检验模型在层叠、细粒度类别与造型推理上的能力。