arXiv · 机器人与计算机视觉· Huaisong Zhang, Hao Yu, Yuxuan Zhang, Jiahe Wang, Xinrui Chen, Haoxiang Cao, Feng Lu, Wendong Zhang, Changqian Yu, Chun Yuan·· 13 天前AI 评分65
Where, What, Why, and Importance: Structured Defect Grounding for Text-to-Image Feedback
Where, What, Why, and Importance: Structured Defect Grounding for Text-to-Image Feedback
AI 导读
该论文针对文生图模型存在的局部细微失败问题,提出结构化缺陷定位(SDG)框架,将诊断转化为包含位置、类型、原因及重要性的元组集合预测。作者构建了包含 30K 图像的 SDG-30K 数据集及专用评测协议 SDG-Eval,并设计了基于视觉语言模型的检测器与 BoxFlow-GRPO 奖励转换机制以支持模型对齐。实验表明该方法在结构化缺陷定位上优于主流专有模型,并能有效改善生成质量。
来源:arXiv · 机器人与计算机视觉 · arxiv.org