Probing Visual Planning in Image Editing Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhou, Zhimu, Zhao, Yanpeng, Liao, Qiuyu, Zhao, Bo, Ma, Xiaojian |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
NEP: Autoregressive Image Editing via Next Editing Token Prediction
par: Wu, Huimin, et autres
Publié: (2025)
par: Wu, Huimin, et autres
Publié: (2025)
MILR: Improving Multimodal Image Generation via Test-Time Latent Reasoning
par: Mi, Yapeng, et autres
Publié: (2025)
par: Mi, Yapeng, et autres
Publié: (2025)
FADE: Frequency-Aware Diffusion Model Factorization for Video Editing
par: Zhu, Yixuan, et autres
Publié: (2025)
par: Zhu, Yixuan, et autres
Publié: (2025)
JARVIS-VLA: Post-Training Large-Scale Vision Language Models to Play Visual Games with Keyboards and Mouse
par: Li, Muyao, et autres
Publié: (2025)
par: Li, Muyao, et autres
Publié: (2025)
Unsupervised Region-Based Image Editing of Denoising Diffusion Models
par: Li, Zixiang, et autres
Publié: (2024)
par: Li, Zixiang, et autres
Publié: (2024)
Training-Free Text-Guided Image Editing with Visual Autoregressive Model
par: Wang, Yufei, et autres
Publié: (2025)
par: Wang, Yufei, et autres
Publié: (2025)
Visual Position Prompt for MLLM based Visual Grounding
par: Tang, Wei, et autres
Publié: (2025)
par: Tang, Wei, et autres
Publié: (2025)
Contrastive Learning Guided Latent Diffusion Model for Image-to-Image Translation
par: Si, Qi, et autres
Publié: (2025)
par: Si, Qi, et autres
Publié: (2025)
Textual and Visual Prompt Fusion for Image Editing via Step-Wise Alignment
par: Feng, Zhanbo, et autres
Publié: (2023)
par: Feng, Zhanbo, et autres
Publié: (2023)
VDE Bench: Evaluating The Capability of Image Editing Models to Modify Visual Documents
par: Yi, Hongzhu, et autres
Publié: (2026)
par: Yi, Hongzhu, et autres
Publié: (2026)
Towards Efficient Diffusion-Based Image Editing with Instant Attention Masks
par: Zou, Siyu, et autres
Publié: (2024)
par: Zou, Siyu, et autres
Publié: (2024)
DeltaSpace: A Semantic-aligned Feature Space for Flexible Text-guided Image Editing
par: Lyu, Yueming, et autres
Publié: (2023)
par: Lyu, Yueming, et autres
Publié: (2023)
$\texttt{Complex-Edit}$: CoT-Like Instruction Generation for Complexity-Controllable Image Editing Benchmark
par: Yang, Siwei, et autres
Publié: (2025)
par: Yang, Siwei, et autres
Publié: (2025)
HQ-Edit: A High-Quality Dataset for Instruction-based Image Editing
par: Hui, Mude, et autres
Publié: (2024)
par: Hui, Mude, et autres
Publié: (2024)
When the Prompt Becomes Visual: Vision-Centric Jailbreak Attacks for Large Image Editing Models
par: Hou, Jiacheng, et autres
Publié: (2026)
par: Hou, Jiacheng, et autres
Publié: (2026)
ImageEdit-R1: Boosting Multi-Agent Image Editing via Reinforcement Learning
par: Zhao, Yiran, et autres
Publié: (2026)
par: Zhao, Yiran, et autres
Publié: (2026)
DDA-Thinker: Decoupled Dual-Atomic Reinforcement Learning for Reasoning-Driven Image Editing
par: Yang, Hanqing, et autres
Publié: (2026)
par: Yang, Hanqing, et autres
Publié: (2026)
MEPG:Multi-Expert Planning and Generation for Compositionally-Rich Image Generation
par: Zhao, Yuan, et autres
Publié: (2025)
par: Zhao, Yuan, et autres
Publié: (2025)
Free-Mask: A Novel Paradigm of Integration Between the Segmentation Diffusion Model and Image Editing
par: Gao, Bo, et autres
Publié: (2024)
par: Gao, Bo, et autres
Publié: (2024)
SwapAnything: Enabling Arbitrary Object Swapping in Personalized Visual Editing
par: Gu, Jing, et autres
Publié: (2024)
par: Gu, Jing, et autres
Publié: (2024)
SINE: SINgle Image Editing with Text-to-Image Diffusion Models
par: Zhang, Zhixing, et autres
Publié: (2022)
par: Zhang, Zhixing, et autres
Publié: (2022)
WorldEdit: Towards Open-World Image Editing with a Knowledge-Informed Benchmark
par: Lin, Wang, et autres
Publié: (2026)
par: Lin, Wang, et autres
Publié: (2026)
Enhancing Instruction-Following Capability of Visual-Language Models by Reducing Image Redundancy
par: Yang, Te, et autres
Publié: (2024)
par: Yang, Te, et autres
Publié: (2024)
ROCKET-1: Mastering Open-World Interaction with Visual-Temporal Context Prompting
par: Cai, Shaofei, et autres
Publié: (2024)
par: Cai, Shaofei, et autres
Publié: (2024)
Omni IIE Bench: Benchmarking the Practical Capabilities of Image Editing Models
par: Yang, Yujia, et autres
Publié: (2026)
par: Yang, Yujia, et autres
Publié: (2026)
Multi-modal Auto-regressive Modeling via Visual Words
par: Peng, Tianshuo, et autres
Publié: (2024)
par: Peng, Tianshuo, et autres
Publié: (2024)
Learning Image Priors through Patch-based Diffusion Models for Solving Inverse Problems
par: Hu, Jason, et autres
Publié: (2024)
par: Hu, Jason, et autres
Publié: (2024)
v-HUB: A Benchmark for Video Humor Understanding from Vision and Sound
par: Shi, Zhengpeng, et autres
Publié: (2025)
par: Shi, Zhengpeng, et autres
Publié: (2025)
DLEBench: Evaluating Small-scale Object Editing Ability for Instruction-based Image Editing Model
par: Hong, Shibo, et autres
Publié: (2026)
par: Hong, Shibo, et autres
Publié: (2026)
I2EBench: A Comprehensive Benchmark for Instruction-based Image Editing
par: Ma, Yiwei, et autres
Publié: (2024)
par: Ma, Yiwei, et autres
Publié: (2024)
SpatialReward: Verifiable Spatial Reward Modeling for Fine-Grained Spatial Consistency in Text-to-Image Generation
par: Zhou, Sashuai, et autres
Publié: (2026)
par: Zhou, Sashuai, et autres
Publié: (2026)
Probing Human Visual Robustness with Neurally-Guided Deep Neural Networks
par: Shao, Zhenan, et autres
Publié: (2024)
par: Shao, Zhenan, et autres
Publié: (2024)
RegionE: Adaptive Region-Aware Generation for Efficient Image Editing
par: Chen, Pengtao, et autres
Publié: (2025)
par: Chen, Pengtao, et autres
Publié: (2025)
Unified Thinker: A General Reasoning Modular Core for Image Generation
par: Zhou, Sashuai, et autres
Publié: (2026)
par: Zhou, Sashuai, et autres
Publié: (2026)
Visual Prompting for One-shot Controllable Video Editing without Inversion
par: Zhang, Zhengbo, et autres
Publié: (2025)
par: Zhang, Zhengbo, et autres
Publié: (2025)
An Interpretable Local Editing Model for Counterfactual Medical Image Generation
par: Min, Hyungi, et autres
Publié: (2026)
par: Min, Hyungi, et autres
Publié: (2026)
Feedforward 3D Editing via Text-Steerable Image-to-3D
par: Ma, Ziqi, et autres
Publié: (2025)
par: Ma, Ziqi, et autres
Publié: (2025)
Mixture-of-Visual-Thoughts: Exploring Context-Adaptive Reasoning Mode Selection for General Visual Reasoning
par: Li, Zejun, et autres
Publié: (2025)
par: Li, Zejun, et autres
Publié: (2025)
MieDB-100k: A Comprehensive Dataset for Medical Image Editing
par: Lai, Yongfan, et autres
Publié: (2026)
par: Lai, Yongfan, et autres
Publié: (2026)
CoF-T2I: Video Models as Pure Visual Reasoners for Text-to-Image Generation
par: Tong, Chengzhuo, et autres
Publié: (2026)
par: Tong, Chengzhuo, et autres
Publié: (2026)
Documents similaires
-
NEP: Autoregressive Image Editing via Next Editing Token Prediction
par: Wu, Huimin, et autres
Publié: (2025) -
MILR: Improving Multimodal Image Generation via Test-Time Latent Reasoning
par: Mi, Yapeng, et autres
Publié: (2025) -
FADE: Frequency-Aware Diffusion Model Factorization for Video Editing
par: Zhu, Yixuan, et autres
Publié: (2025) -
JARVIS-VLA: Post-Training Large-Scale Vision Language Models to Play Visual Games with Keyboards and Mouse
par: Li, Muyao, et autres
Publié: (2025) -
Unsupervised Region-Based Image Editing of Denoising Diffusion Models
par: Li, Zixiang, et autres
Publié: (2024)