Buchumschlag

PhotoFramer: Multi-modal Image Composition Instruction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	You, Zhiyuan, Wang, Ke, Zhang, He, Cai, Xin, Gu, Jinjin, Xue, Tianfan, Dong, Chao, Zhang, Zhoutong
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

Enhancing Descriptive Image Quality Assessment with A Large-scale Multi-modal Dataset
von: You, Zhiyuan, et al.
Veröffentlicht: (2024)

Teaching Large Language Models to Regress Accurate Image Quality Scores using Score Distribution
von: You, Zhiyuan, et al.
Veröffentlicht: (2025)

DA-VAE: Plug-in Latent Compression for Diffusion via Detail Alignment
von: Cai, Xin, et al.
Veröffentlicht: (2026)

Depicting Beyond Scores: Advancing Image Quality Assessment through Multi-modal Language Models
von: You, Zhiyuan, et al.
Veröffentlicht: (2023)

Revisiting the Generalization Problem of Low-level Vision Models Through the Lens of Image Deraining
von: Hu, Jinfan, et al.
Veröffentlicht: (2025)

PhotoAgent: Agentic Photo Editing with Exploratory Visual Aesthetic Planning
von: Yao, Mingde, et al.
Veröffentlicht: (2026)

An Intelligent Agentic System for Complex Image Restoration Problems
von: Zhu, Kaiwen, et al.
Veröffentlicht: (2024)

PhoCoLens: Photorealistic and Consistent Reconstruction in Lensless Imaging
von: Cai, Xin, et al.
Veröffentlicht: (2024)

UltraFusion: Ultra High Dynamic Imaging using Exposure Fusion
von: Chen, Zixuan, et al.
Veröffentlicht: (2025)

How far have we gone in Generative Image Restoration? A study on its capability, limitations and evaluation practices
von: Yin, Xiang, et al.
Veröffentlicht: (2026)

Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic Image Restoration In the Wild
von: Yu, Fanghua, et al.
Veröffentlicht: (2024)

Framer: Interactive Frame Interpolation
von: Wang, Wen, et al.
Veröffentlicht: (2024)

AutoDIR: Automatic All-in-One Image Restoration with Latent Diffusion
von: Jiang, Yitong, et al.
Veröffentlicht: (2023)

Harnessing Diffusion-Yielded Score Priors for Image Restoration
von: Lin, Xinqi, et al.
Veröffentlicht: (2025)

Goal Conditioned Reinforcement Learning for Photo Finishing Tuning
von: Wu, Jiarui, et al.
Veröffentlicht: (2025)

LenslessFace: An End-to-End Optimized Lensless System for Privacy-Preserving Face Verification
von: Cai, Xin, et al.
Veröffentlicht: (2024)

AdaptiveISP: Learning an Adaptive Image Signal Processor for Object Detection
von: Wang, Yujin, et al.
Veröffentlicht: (2024)

Position: Agentic Systems Constitute a Key Component of Next-Generation Intelligent Image Processing
von: Gu, Jinjin
Veröffentlicht: (2025)

OmniBooth: Learning Latent Control for Image Synthesis with Multi-modal Instruction
von: Li, Leheng, et al.
Veröffentlicht: (2024)

Position: Evaluation of Visual Processing Should Be Human-Centered, Not Metric-Centered
von: Hu, Jinfan, et al.
Veröffentlicht: (2026)

PhotoArtAgent: Intelligent Photo Retouching with Language Model-Based Artist Agents
von: Chen, Haoyu, et al.
Veröffentlicht: (2025)

Linear Image Generation by Synthesizing Exposure Brackets
von: Dai, Yuekun, et al.
Veröffentlicht: (2026)

Interpreting Low-level Vision Models with Causal Effect Maps
von: Hu, Jinfan, et al.
Veröffentlicht: (2024)

Learning to Refocus with Video Diffusion Models
von: Tedla, SaiKiran, et al.
Veröffentlicht: (2025)

A Preliminary Exploration Towards General Image Restoration
von: Kong, Xiangtao, et al.
Veröffentlicht: (2024)

Multi-Reward as Condition for Instruction-based Image Editing
von: Gu, Xin, et al.
Veröffentlicht: (2024)

A Physics-Informed Blur Learning Framework for Imaging Systems
von: Chen, Liqun, et al.
Veröffentlicht: (2025)

Xformer: Hybrid X-Shaped Transformer for Image Denoising
von: Zhang, Jiale, et al.
Veröffentlicht: (2023)

LM4LV: A Frozen Large Language Model for Low-level Vision Tasks
von: Zheng, Boyang, et al.
Veröffentlicht: (2024)

HDRFlow: Real-Time HDR Video Reconstruction with Large Motions
von: Xu, Gangwei, et al.
Veröffentlicht: (2024)

CoMA: Compositional Human Motion Generation with Multi-modal Agents
von: Sun, Shanlin, et al.
Veröffentlicht: (2024)

3DMIT: 3D Multi-modal Instruction Tuning for Scene Understanding
von: Li, Zeju, et al.
Veröffentlicht: (2024)

Instruct-Imagen: Image Generation with Multi-modal Instruction
von: Hu, Hexiang, et al.
Veröffentlicht: (2024)

Multi-level Cross-modal Alignment for Image Clustering
von: Qiu, Liping, et al.
Veröffentlicht: (2024)

Multi-modal Instruction Tuned LLMs with Fine-grained Visual Perception
von: He, Junwen, et al.
Veröffentlicht: (2024)

Coherent and Multi-modality Image Inpainting via Latent Space Optimization
von: Pan, Lingzhi, et al.
Veröffentlicht: (2024)

PolarFree: Polarization-based Reflection-free Imaging
von: Yao, Mingde, et al.
Veröffentlicht: (2025)

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

EarthGPT: A Universal Multi-modal Large Language Model for Multi-sensor Image Comprehension in Remote Sensing Domain
von: Zhang, Wei, et al.
Veröffentlicht: (2024)

Multi-modal Semantic Understanding with Contrastive Cross-modal Feature Alignment
von: Zhang, Ming, et al.
Veröffentlicht: (2024)