论文页面 - 从计划到像素：学习规划与编排以实现开放式图像编辑

来源：https://huggingface.co/papers/2605.15181

摘要

一种用于长程图像编辑的经验性框架，将规划与奖励驱动的执行相结合，以提升复杂多步编辑的连贯性和可靠性。

现代图像编辑模型能够产生逼真的效果，但在处理抽象的多步指令（例如“让这个广告更符合素食主义风格”）时表现不佳。以往基于智能体的方法会分解此类任务，但依赖于手工制作的流水线或教师模仿，限制了灵活性，并使学习与实际的编辑结果脱钩。我们提出了一种用于长程图像编辑的经验性框架，其中规划器（planner）生成结构化的原子分解（atomic decompositions），编排器（orchestrator）选择工具和区域来执行每一步。视觉语言评判器（vision language judge）提供基于结果的奖励，用于衡量指令遵循（instruction adherence）和视觉质量（visual quality）。编排器经过训练以最大化这些奖励，而成功的轨迹则用于优化规划器。通过将规划与奖励驱动的执行紧密耦合，我们的方法比单步或基于规则的多步基线产生了更连贯、更可靠的编辑结果。

查看 arXiv 页面 (https://arxiv.org/abs/2605.15181) 查看 PDF (https://arxiv.org/pdf/2605.15181) 项目页面 (https://anisundar18.github.io/Plan2Pix.github.io/) 添加至收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.15181)

在您的智能体中获取此论文：

hf papers read 2605\.15181

还没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

无模型关联此论文

请在模型的 README.md 中引用 arxiv.org/abs/2605.15181 以从此页面链接。

引用此论文的数据集0

无数据集关联此论文

请在数据集的 README.md 中引用 arxiv.org/abs/2605.15181 以从此页面链接。

引用此论文的 Space 应用0

无 Space 应用关联此论文

请在 Space 应用的 README.md 中引用 arxiv.org/abs/2605.15181 以从此页面链接。

包含此论文的收藏集0

无收藏集包含此论文

请将此论文添加至收藏集 (https://huggingface.co/new-collection) 以从此页面链接。