论文页面 - 编辑精选：通过原子实体分析评估图像编辑中的抽象意图

来源：https://huggingface.co/papers/2605.14842

摘要

抽象的图像编辑基准测试和实体评分标准框架揭示了在处理抽象指令时平衡意图与保留的挑战，凸显了先进大语言模型集成与迭代方法的必要性。

人类自然地通过“情绪”等抽象概念进行交流。然而，当前的图像编辑基准测试主要关注显式、字面的指令，使得抽象指令在很大程度上未被探索。本文首先形式化定义了抽象图像编辑及其分类体系。为了衡量这一具有挑战性领域的指令遵循能力，我们引入了Entity-Rubrics框架，该框架将抽象编辑分解为单个实体级别的评估，并与人类判断实现了强相关性。与该框架一同，我们贡献了AbstractEdit，这是首个专为跨多样现实场景的抽象图像编辑设计的基准测试。在该数据集上评估了11个领先模型后，揭示了一个根本性挑战：标准架构难以平衡意图与保留，通常默认倾向欠编辑或过编辑。我们的分析表明，推动实质性改进的关键在于集成先进的LLM文本编码器和迭代思考。展望未来，我们基于实体的范式可推广至评估之外，作为奖励模型，使模型能够正确理解抽象交流，或在测试时批判循环中突出特定失败。最终，我们希望这项工作成为通向无缝多模态交互的垫脚石，缩小刚性机器执行与人类自然、开放式交流之间的差距。

查看 arXiv 页面 (https://arxiv.org/abs/2605.14842)查看 PDF (https://arxiv.org/pdf/2605.14842)项目页面 (https://venturamor.github.io/EditorsChoice/)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.14842)

引用本文的模型0

没有模型链接本文

请在模型 README.md 文件中引用 arxiv.org/abs/2605.14842，以便从此页面链接。

引用本文的数据集0

没有数据集链接本文

请在数据集 README.md 文件中引用 arxiv.org/abs/2605.14842，以便从此页面链接。

引用本文的空间0

没有空间链接本文

请在空间 README.md 文件中引用 arxiv.org/abs/2605.14842，以便从此页面链接。

包含本文的收藏集0

没有收藏集包含本文

请将本文添加至收藏集 (https://huggingface.co/new-collection)，以便从此页面链接。