Nghiên cứu
MT-OPSD: Phương pháp tự chưng cất giúp chỉnh sửa ảnh đa vòng lặp ổn định hơn
(giờ Việt Nam)
Tóm tắt AI
Nghiên cứu giới thiệu MT-OPSD, khung làm việc giúp mô hình chỉnh sửa ảnh duy trì chất lượng qua nhiều vòng lặp bằng cách tự học từ các trạng thái đầu ra thay vì chỉ dựa vào ảnh gốc. Đồng thời, nhóm tác giả ra mắt LME-Bench để đánh giá khả năng chỉnh sửa liên tục trong dài hạn.
Chính văn · Bản dịch AI
Tóm tắt: Chỉnh sửa hình ảnh dựa trên hướng dẫn đã đạt được hiệu suất mạnh mẽ trong các thiết lập một lượt, tuy nhiên việc chỉnh sửa thực tế thường mang tính lặp đi lặp lại, với mỗi hướng dẫn được áp dụng trên kết quả đầu ra của lượt trước đó. Chúng tôi nhận thấy rằng các mô hình chỉnh sửa hiện tại bị suy giảm nhanh chóng khi thực hiện chỉnh sửa đệ quy và cho rằng thất bại này xuất phát từ sự không khớp giữa huấn luyện và kiểm thử trong phân phối điều kiện: các mô hình được huấn luyện trên hình ảnh nguồn sạch nhưng phải liên tục dựa trên các đầu ra không hoàn hảo của chính chúng tại thời điểm suy luận. Để giải quyết vấn đề này, chúng tôi đề xuất MT-OPSD, một khung tự chưng cất on-policy giúp huấn luyện mô hình trên các trạng thái điều kiện tự tạo với sự giám sát chỉnh sửa từ một giáo viên được điều kiện hóa sạch, mà không yêu cầu chú thích đa lượt. Chúng tôi cũng giới thiệu LME-Bench, một bộ tiêu chuẩn gồm 100 phiên chỉnh sửa mười lượt để đánh giá độ bền vững dài hạn. Các thí nghiệm trên ba nền tảng chỉnh sửa cho thấy MT-OPSD cải thiện đáng kể khả năng chỉnh sửa dài hạn và giảm thiểu tình trạng sụp đổ đa lượt trong khi vẫn duy trì tốt chất lượng chỉnh sửa một lượt.
| Chủ đề: | Thị giác máy tính và Nhận dạng mẫu (cs.CV); Học máy (cs.LG) |
| Trích dẫn là: | arXiv:2609.35611 [cs.CV] |
| (hoặc arXiv:2609.35611v1 [cs.CV] cho phiên bản này) | |
| https://doi.org/10.48550/arXiv.2609.35611 DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký) |
Lịch sử gửi bài
Từ: Liangbing Zhao [xem email] [v1] Thứ Hai, 28 tháng 9 năm 2026 16:55:24 UTC (41.129 KB)
Bài viết được AI dịch và tổng hợp tự động từ Hugging Face Daily Papers. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.