Tag · 2 篇
多模态指令
分布 图像编辑与可控生成1底层视觉与图像复原1
01 02
PhotoFramer：多模态图像构图指令
PhotoFramer: Multi-modal Image Composition Instruction
把「构图指导」建模为文本指令加示例图的双输出任务，并给出用多视角数据加退化模型合成「构图差—构图好」配对的可复用数据构造流程，可直接迁移到其他需要成对编辑监督的图像生成任务。
MMDIR：多模态指令驱动的混合退化文档图像复原框架
MMDIR: Multimodal Instruction-Driven Framework for Mixed-Degradation Document Image Restoration
提出用语义结构化指令动态识别混合退化类型（模糊、阴影、文字水印、印章），为文档图像复原提供了一种可复用的多模态条件控制思路；同时发布的 MixedDoc 基准填补了真实混合退化数据集的空白，可用于评估模型在复杂退化下的鲁棒性。