跳到正文
arXiv · AI· Zhimu Zhou, Yanpeng Zhao, Qiuyu Liao, Bo Zhao, Xiaojian Ma·· 24 天前AI 评分26

EAR:图像编辑模型中的视觉规划研究

Probing Visual Planning in Image Editing Models

AI 导读

研究提出 EAR 范式,将视觉规划重构为单步图像变换,并引入 AMaze 数据集用于抽象谜题探测。 实验评估主流编辑模型发现零样本表现不佳,但基础尺度微调可显著提升领域内外泛化能力。 高性能模型仍无法匹配人类解题效率,揭示了神经视觉推理的持续差距,论文已被 NeurIPS 2026 接收。

来源:arXiv · AI · arxiv.org