RegionAgent论文提出两阶段偏好优化图像复原
热点事件持续更新
RegionAgent论文提出两阶段偏好优化图像复原
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
Weiyu Zhou等研究者发表了RegionAgent论文,提出一种自适应图像复原框架。 该框架通过两阶段偏好学习训练视觉语言模型(VLM),专门应对非均匀耦合退化下不同区域所需的多样化复原能力。 研究团队构建了包含1万动作对和2万轨迹对的区域复原偏好数据集,结合步级与轨迹级直接偏好优化生成特定复原动作,消融研究验证了其有效性。
AI 根据报道生成 · 16 小时前更新
最新进展11月20日 13:00
RegionAgent:基于两阶段偏好优化的区域图像复原框架报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · AIRegionAgent:基于两阶段偏好优化的区域图像复原框架
RegionAgent提出自适应图像复原框架,通过两阶段偏好学习训练视觉语言模型(VLM)。 该框架利用10K动作对和20K轨迹对构建偏好数据集,结合步级与轨迹级直接偏好优化(DPO)生成区域特定复原动作。 消融研究验证了两阶段偏好学习在混合及单一退化场景下提升复原质量的有效性。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 1011月20日 14:00
- 近 24 小时变化
- –
02.557.510
15:0018:0021:0011月21日03:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。