跳到正文
arXiv · 机器人与计算机视觉· Baichuan Yang, Dongyuan Xu, Zhao Yang, Yong Liu, Bing Su·· 13 小时前AI 评分72

MLIE-CoT:基于多级图像编辑的思维链推理方法

MLIE-CoT: Chain-of-Thought Reasoning via Multi-Level Image Editing

AI 导读

针对现有文本到图像生成模型在复杂任务中无法充分利用图像语义且易产生幻觉的问题,本文提出了 MLIE-CoT 框架。该方法学习从三个层级选择图像修复粒度,保留正确语义并减少错误内容干扰;同时构建了包含不同错误案例的图像修复数据集以训练路由网络,引导多模态模型将不同严重程度的错误导向合适的修复层级。实验表明,MLIE-CoT 在多个基准测试中显著优于基线模型及固定策略方法。

来源:arXiv · 机器人与计算机视觉 · arxiv.org