Buchumschlag

From Plans to Pixels: Learning to Plan and Orchestrate for Open-Ended Image Editing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rajan, Anirudh Sundara, Singh, Krishna Kumar, Lee, Yong Jae
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Stay-Positive: A Case for Ignoring Real Image Features in Fake Image Detection
von: Rajan, Anirudh Sundara, et al.
Veröffentlicht: (2025)

Aligned Datasets Improve Detection of Latent Diffusion-Generated Images
von: Rajan, Anirudh Sundara, et al.
Veröffentlicht: (2024)

VisualToolAgent (VisTA): A Reinforcement Learning Framework for Visual Tool Selection
von: Huang, Zeyi, et al.
Veröffentlicht: (2025)

Reasoning-Augmented Representations for Multimodal Retrieval
von: Zhang, Jianrui, et al.
Veröffentlicht: (2026)

Dragging with Geometry: From Pixels to Geometry-Guided Image Editing
von: Pu, Xinyu, et al.
Veröffentlicht: (2025)

Low-Resolution Editing is All You Need for High-Resolution Editing
von: Lee, Junsung, et al.
Veröffentlicht: (2025)

PlanViz: Evaluating Planning-Oriented Image Generation and Editing for Computer-Use Tasks
von: Li, Junxian, et al.
Veröffentlicht: (2026)

RePlan: Reasoning-guided Region Planning for Complex Instruction-based Image Editing
von: Qu, Tianyuan, et al.
Veröffentlicht: (2025)

Edit One for All: Interactive Batch Image Editing
von: Nguyen, Thao, et al.
Veröffentlicht: (2024)

IMAGAgent: Orchestrating Multi-Turn Image Editing via Constraint-Aware Planning and Reflection
von: Shen, Fei, et al.
Veröffentlicht: (2026)

Learning an Image Editing Model without Image Editing Pairs
von: Kumari, Nupur, et al.
Veröffentlicht: (2025)

Open-Det: An Efficient Learning Framework for Open-Ended Detection
von: Cao, Guiping, et al.
Veröffentlicht: (2025)

I2E: From Image Pixels to Actionable Interactive Environments for Text-Guided Image Editing
von: Yu, Jinghan, et al.
Veröffentlicht: (2026)

Probing Visual Planning in Image Editing Models
von: Zhou, Zhimu, et al.
Veröffentlicht: (2026)

Removing Distributional Discrepancies in Captions Improves Image-Text Alignment
von: Li, Yuheng, et al.
Veröffentlicht: (2024)

MoWM: Mixture-of-World-Models for Embodied Planning via Latent-to-Pixel Feature Modulation
von: Yu, Yangcheng, et al.
Veröffentlicht: (2025)

UniHuman: A Unified Model for Editing Human Images in the Wild
von: Li, Nannan, et al.
Veröffentlicht: (2023)

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

CAMEO: A Conditional and Quality-Aware Multi-Agent Image Editing Orchestrator
von: Pu, Yuhan, et al.
Veröffentlicht: (2026)

3D-Fixup: Advancing Photo Editing with 3D Priors
von: Cheng, Yen-Chi, et al.
Veröffentlicht: (2025)

MediX-R1: Open Ended Medical Reinforcement Learning
von: Mullappilly, Sahal Shaji, et al.
Veröffentlicht: (2026)

From Pixels to BFS: High Maze Accuracy Does Not Imply Visual Planning
von: Salgado, Alberto G. Rodriguez
Veröffentlicht: (2026)

LVLM-Composer's Explicit Planning for Image Generation
von: Ramsey, Spencer, et al.
Veröffentlicht: (2025)

Vector Scaffolding: Inter-Scale Orchestration for Differentiable Image Vectorization
von: Lee, Jaerin, et al.
Veröffentlicht: (2026)

Group Diffusion: Enhancing Image Generation by Unlocking Cross-Sample Collaboration
von: Mo, Sicheng, et al.
Veröffentlicht: (2025)

From Steering to Pedalling: Do Autonomous Driving VLMs Generalize to Cyclist-Assistive Spatial Perception and Planning?
von: Nakka, Krishna Kanth, et al.
Veröffentlicht: (2026)

Event-based Photometric Stereo via Rotating Illumination and Per-Pixel Learning
von: Kim, Hyunwoo, et al.
Veröffentlicht: (2026)

Towards Open-Ended Visual Scientific Discovery with Sparse Autoencoders
von: Stevens, Samuel, et al.
Veröffentlicht: (2025)

Generative Region-Language Pretraining for Open-Ended Object Detection
von: Lin, Chuang, et al.
Veröffentlicht: (2024)

Edit-As-Act: Goal-Regressive Planning for Open-Vocabulary 3D Indoor Scene Editing
von: Noh, Seongrae, et al.
Veröffentlicht: (2026)

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

Open-Event Procedure Planning in Instructional Videos
von: Wu, Yilu, et al.
Veröffentlicht: (2024)

From Image- to Pixel-level: Label-efficient Hyperspectral Image Reconstruction
von: Leng, Yihong, et al.
Veröffentlicht: (2025)

GroupDiff: Diffusion-based Group Portrait Editing
von: Jiang, Yuming, et al.
Veröffentlicht: (2024)

YoChameleon: Personalized Vision and Language Generation
von: Nguyen, Thao, et al.
Veröffentlicht: (2025)

Hierarchical Auto-Organizing System for Open-Ended Multi-Agent Navigation
von: Zhao, Zhonghan, et al.
Veröffentlicht: (2024)

Ranking Distillation for Open-Ended Video Question Answering with Insufficient Labels
von: Liang, Tianming, et al.
Veröffentlicht: (2024)

OpenREAD: Reinforced Open-Ended Reasoning for End-to-End Autonomous Driving with LLM-as-Critic
von: Zhang, Songyan, et al.
Veröffentlicht: (2025)

Envisioning Beyond the Pixels: Benchmarking Reasoning-Informed Visual Editing
von: Zhao, Xiangyu, et al.
Veröffentlicht: (2025)

Localized Latent Editing for Dose-Response Modeling in Botulinum Toxin Injection Planning
von: Arnaud, Estèphe, et al.
Veröffentlicht: (2026)