Компьютерная наука > Компютерное видение и распознавание шаблона [представлено 23 апреля 2026 года, v1) последний пересмотренный вариант от 26 октября 2026 (этот вариант, v2)) Название: Проверка визуального планирования в модели редактирования изображений Вид PDF HTML (экспериментальное) резюме: Visual planning представляет собой важнейший аспект человеческого интеллекта, особенно при выполнении задач, требующих сложных пространственных рассуждений и навигации. Тем не менее, в машинном обучении эта по своей сути визуальная проблема часто решается с помощью словесно-центральной линзы. Хотя недавние исследования свидетельствуют о том, что в полной мере визуальные подходы могут быть использованы, они страдают от значительной неэффективности расчетов из-за парадигмы поэтапного планирования по поколениям. В этой работе мы представляем ЕАР, редактирующую как разумную парадигму, которая переформулирует визуальное планирование в качестве одноэтапной трансформации изображения. Чтобы отделить внутренние рассуждения от визуального распознавания, мы используем абстрактные загадки в качестве задач поиска и вводим AMAZE — процедурный набор данных, который характеризует классические проблемы Мейз и Королевы. Абстрактный характер AMAZE также облегчает автоматическую оценку авторегрессивных и диффузионных моделей с точки зрения как фиксальной, так и логичной достоверности. Мы оцениваем ведущие модели государственного редактирования и открытого редактирования. Результаты показывают, что все…
Проверка визуального планирования в моделях редактирования изображений
arXiv:2604.22868v2 Annuales Type: заменить резюме: Visual Plaining представляет собой важнейший аспект человеческого интеллекта, особенно в задачах, требующих сложных пространственных рассуждений и навигации. Тем не менее, в машинном обучении эта по своей сути визуальная проблема часто решается с помощью словесно-центральной линзы. Хотя недавние исследования свидетельствуют о том, что в полной мере визуальные подходы могут быть использованы, они страдают от значительной неэффективности расчетов из-за парадигмы поэтапного планирования по поколениям. В этой работе мы представляем ЕАР, редактирующую как разумную парадигму, которая переформулирует визуальное планирование в качестве одноэтапной трансформации изображения. Чтобы отделить внутренние рассуждения от визуального распознавания, мы используем абстрактные загадки в качестве задач поиска и вводим AMAZE — процедурный набор данных, который характеризует классические проблемы Мейз и Королевы. Абстрактный характер AMAZE также облегчает автоматическую оценку авторегрессивных и диффузионных моделей