#image-editing

3 記事

01 ·★ 会員·論文·8分で読めます 論文解説: Mi-Ripple — AI画像編集を繰り返すと出る「さざ波」を、診断してから直す Mi-Ripple: Restoring Images Degraded by Iterative AI Editing AIで編集した画像を参照にしてまた編集する——これを繰り返すと格子状・粒状のノイズ（デジタルリップル）が溜まる。Mi-Rippleは「周波数で切り離せる格子」と「絵の中身に絡んだ粒」を先に見分け、ノッチフィルタか、参照を掃除してからの再生成かを選ぶ修復手順を示した。 02 ·★ 会員·論文·11分で読めます 論文解説: SenseNova-U1.5 — エンコーダもVAEも使わず、1つのモデルで「見る」と「描く」を両立する SenseNova-U1.5: Towards Native Unified Visual Intelligence 画像理解用のエンコーダも生成用のVAEも持たず、ピクセルと言葉から直接学ぶ8Bの統合モデル SenseNova-U1.5。パッチの継ぎ目を消す空間デコーダと、「専門家を別々に鍛えてから1つに蒸留する」後学習を、論文本文に沿って1から解説する。 03 ·★ 会員·論文·15分で読めます 論文解説: VDiff-Bench — 最強のMLLMでも「間違い探し」の低レベル変化を見落とす VDiff-Bench: A Challenging Benchmark for Fine-Grained Image Difference Identification 「2枚の画像で何が変わったか」を4択で問うVDiff-Benchを論文本文から解説。1,756問・10カテゴリの作り方、11モデルの結果、ノイズやテクスチャの変化を『差なし』と答えてしまう失敗の構造、画像編集の自動評価に使うときの落とし穴まで。