Tag · 2 篇
文本编辑
分布 视觉语言模型1图像编辑与可控生成1
01 02
ZINA：多模态细粒度幻觉检测与编辑
ZINA: Multimodal Fine-grained Hallucination Detection and Editing
为视觉语言模型输出提供细粒度幻觉片段定位与错误类型分类（六类），并给出修正建议，可直接用于VLM生成结果的自动核查与后处理编辑；其基于图结构建模错误类型依赖的合成数据生成方式，也可迁移到其他需要细粒度标注稀缺的多模态任务。
SkyReels-Text：面向海报设计的细粒度字体可控文本编辑
SkyReels-Text: Fine-Grained Font-Controllable Text Editing for Poster Design
提出无需字体标签和测试时微调的字形条件注入机制，可复用于任意字体风格迁移与文本区域编辑任务，为可控生成中的细粒度风格控制提供新思路。