Tag · 2 篇
领域特定语言
分布 视觉语言模型1图像编辑与可控生成1
01 02
Widget2Code：通过多模态大语言模型从视觉控件到 UI 代码
Widget2Code: From Visual Widgets to UI Code via Multimodal LLMs
把「从图像生成结构化代码」当作多模态大模型的细粒度视觉理解任务：用图标检索与 UI 组合模块把原子组件拼成完整布局，可作为视觉到结构化序列生成（而非自由文本）的可复用范式，并提供图像级 UI 重建的细粒度评测协议。
LAMP：语言辅助的运动规划用于可控视频生成
LAMP: Language-Assisted Motion Planning for Controllable Video Generation
用 LLM 做程序合成，把自然语言解析成显式 3D 轨迹（物体运动 + 相机轨迹），再作为视频生成的运动条件；这种「语言→结构化运动程序→确定性轨迹」的中间表示，可复用于任何需要精确运动控制的可控视频生成或相机运镜合成。