arXiv · 机器人与计算机视觉· Vyom Agarwal, Mokshda Gangrade, Samet Ayhan, Giacinto Paolo Saggese·· 2 天前精选AI 评分78
LEDGE:分离文本到图像自修正中的批评者与编辑器故障
LEDGE: Separating Critic and Editor Failures in Text-to-Image Self-Correction
AI 导读
论文提出 LEDGE 框架,旨在分离文本到图像(T2I)自修正系统中“错误诊断”与“指令执行”两个瓶颈。研究在固定生成图像和编辑器的条件下,利用标准指令评估发现编辑器存在显著执行缺口;同时通过标准标签监督训练提升了批评者的诊断准确率。实验证明该方法能提升不同模型版本及未见对象类别的修正效果,并验证了跨编辑器和独立评测基准的有效性。
推荐理由
该框架将生成与编辑的失败解耦,通过引入标准指令独立评估诊断能力与执行能力,揭示了当前自修正系统的主要瓶颈在于编辑器的执行上限。
来源:arXiv · 机器人与计算机视觉 · arxiv.org