arXiv · AI· Song-Li Wu, Chubin Zhang, Wenbo Ding, Yansong Tang·· 12 小时前AI 评分26
RoboPhoto-VLA：基于 Vision-Language-Action 模型的机器人摄影系统
Robotic Photography System based on Vision-Language-Action Model
AI 导读
RoboPhoto-VLA 提出统一 Vision-Language-Action 框架，结合 PhotoCoT 规划与 ADPO 优化，生成更符合人类审美的摄影作品。 该工作构建语言引导演示数据集 OpenPhotography，用于训练与评估。 实验表明该系统可泛化至未见主体、视角及复杂摄影指令。
来源：arXiv · AI · arxiv.org