跳到正文
arXiv · ML· Haoquan Zhang, Feiyang Liu, Juanxi Tian, Wanhua Li, Haodong Duan, Weiyang Liu·· 17 天前AI 评分27

PixelBench:大语言模型能否逐像素理解与生成图像?

PixelBench: Can LLMs Understand and Generate Images Pixel by Pixel?

AI 导读

PixelBench 评估 LLM 逐像素生成图像能力,无需额外图像分词器。 采用 RGB 调色板加索引网格方法,T2P 生成可识别图像,I2P 在低分辨率下优于专用算法。 引入 Pixel Reconstruction Tuning (PRT) 微调 Molmo2-4B,在 16 项基准上提升性能。

来源:arXiv · ML · arxiv.org