Buchumschlag

MIND-Edit: MLLM Insight-Driven Editing via Language-Vision Projection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Shuyu, Li, Weiqi, Wang, Qian, Zhao, Shijie, Zhang, Jian
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VQ-Insight: Teaching VLMs for AI-Generated Video Quality Understanding via Progressive Visual Reinforcement Learning
von: Zhang, Xuanyu, et al.
Veröffentlicht: (2025)

Q-Insight: Understanding Image Quality via Visual Reinforcement Learning
von: Li, Weiqi, et al.
Veröffentlicht: (2025)

ComplexBench-Edit: Benchmarking Complex Instruction-Driven Image Editing via Compositional Dependencies
von: Wang, Chenglin, et al.
Veröffentlicht: (2025)

UARE: A Unified Vision-Language Model for Image Quality Assessment, Restoration, and Enhancement
von: Li, Weiqi, et al.
Veröffentlicht: (2025)

Lego-Edit: A General Image Editing Framework with Model-Level Bricks and MLLM Builder
von: Jia, Qifei, et al.
Veröffentlicht: (2025)

EditCLIP: Representation Learning for Image Editing
von: Wang, Qian, et al.
Veröffentlicht: (2025)

InstructX: Towards Unified Visual Editing with MLLM Guidance
von: Mou, Chong, et al.
Veröffentlicht: (2025)

InsightEdit: Towards Better Instruction Following for Image Editing
von: Xu, Yingjing, et al.
Veröffentlicht: (2024)

Moodifier: MLLM-Enhanced Emotion-Driven Image Editing
von: Ye, Jiarong, et al.
Veröffentlicht: (2025)

Attribution Analysis Meets Model Editing: Advancing Knowledge Correction in Vision Language Models with VisEdit
von: Chen, Qizhou, et al.
Veröffentlicht: (2024)

DualEdit: Dual Editing for Knowledge Updating in Vision-Language Models
von: Shi, Zhiyi, et al.
Veröffentlicht: (2025)

Edit Transfer: Learning Image Editing via Vision In-Context Relations
von: Chen, Lan, et al.
Veröffentlicht: (2025)

FireEdit: Fine-grained Instruction-based Image Editing via Region-aware Vision Language Model
von: Zhou, Jun, et al.
Veröffentlicht: (2025)

FOCUS: Unified Vision-Language Modeling for Interactive Editing Driven by Referential Segmentation
von: Yang, Fan, et al.
Veröffentlicht: (2025)

When Privacy Meets Recovery: The Overlooked Half of Surrogate-Driven Privacy Preservation for MLLM Editing
von: Xu, Siyuan, et al.
Veröffentlicht: (2025)

EditGarment: An Instruction-Based Garment Editing Dataset Constructed with Automated MLLM Synthesis and Semantic-Aware Evaluation
von: Yin, Deqiang, et al.
Veröffentlicht: (2025)

OmniDrag: Enabling Motion Control for Omnidirectional Image-to-Video Generation
von: Li, Weiqi, et al.
Veröffentlicht: (2024)

VQ-Jarvis: Retrieval-Augmented Video Restoration Agent with Sharp Vision and Fast Thought
von: Zhang, Xuanyu, et al.
Veröffentlicht: (2026)

Group Editing: Edit Multiple Images in One Go
von: Ma, Yue, et al.
Veröffentlicht: (2026)

AV-Edit: Multimodal Generative Sound Effect Editing via Audio-Visual Semantic Joint Control
von: Guo, Xinyue, et al.
Veröffentlicht: (2025)

MDE-Edit: Masked Dual-Editing for Multi-Object Image Editing via Diffusion Models
von: Zhu, Hongyang, et al.
Veröffentlicht: (2025)

MLLM-Enhanced Face Forgery Detection: A Vision-Language Fusion Solution
von: Peng, Siran, et al.
Veröffentlicht: (2025)

X-Edit: Exact, Explicit, and Explainable Null-Space Editing for Medical Vision Transformers
von: Liu, Yuanye, et al.
Veröffentlicht: (2026)

ReasonEdit: Editing Vision-Language Models using Human Reasoning
von: Qiu, Jiaxing, et al.
Veröffentlicht: (2026)

FREE-Edit: Using Editing-aware Injection in Rectified Flow Models for Zero-shot Image-Driven Video Editing
von: Li, Maomao, et al.
Veröffentlicht: (2026)

Reasoning to Edit: Hypothetical Instruction-Based Image Editing with Visual Reasoning
von: He, Qingdong, et al.
Veröffentlicht: (2025)

Beyond Simple Edits: X-Planner for Complex Instruction-Based Image Editing
von: Yeh, Chun-Hsiao, et al.
Veröffentlicht: (2025)

HulluEdit: Single-Pass Evidence-Consistent Subspace Editing for Mitigating Hallucinations in Large Vision-Language Models
von: Lin, Yangguang, et al.
Veröffentlicht: (2026)

ReasonEdit: Towards Reasoning-Enhanced Image Editing Models
von: Yin, Fukun, et al.
Veröffentlicht: (2025)

POEM: Precise Object-level Editing via MLLM control
von: Schouten, Marco, et al.
Veröffentlicht: (2025)

Edit-Your-Interest: Efficient Video Editing via Feature Most-Similar Propagation
von: Zuo, Yi, et al.
Veröffentlicht: (2025)

VersaViT: Enhancing MLLM Vision Backbones via Task-Guided Optimization
von: Liu, Yikun, et al.
Veröffentlicht: (2026)

Edit-Compass & EditReward-Compass: A Unified Benchmark for Image Editing and Reward Modeling
von: Bai, Xuehai, et al.
Veröffentlicht: (2026)

ResetEdit: Precise Text-guided Editing of Generated Image via Resettable Starting Latent
von: Wang, Hanyi, et al.
Veröffentlicht: (2026)

Reasoning as Representation: Rethinking Visual Reinforcement Learning in Image Quality Assessment
von: Zhao, Shijie, et al.
Veröffentlicht: (2025)

DiT4Edit: Diffusion Transformer for Image Editing
von: Feng, Kunyu, et al.
Veröffentlicht: (2024)

Improved Adversarial Diffusion Compression for Real-World Video Super-Resolution
von: Chen, Bin, et al.
Veröffentlicht: (2026)

LocateEdit-Bench: A Benchmark for Instruction-Based Editing Localization
von: Wu, Shiyu, et al.
Veröffentlicht: (2026)

EditVerse: Unifying Image and Video Editing and Generation with In-Context Learning
von: Ju, Xuan, et al.
Veröffentlicht: (2025)

Edit as You See: Image-guided Video Editing via Masked Motion Modeling
von: Huang, Zhi-Lin, et al.
Veröffentlicht: (2025)