Unlocking the Potential of Image Editing via Concept Scaling and Dense Supervision

• 类型：arxiv
• 标识：2608.16812
• 链接：https://arxiv.org/abs/2608.16812
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：A comprehensive hierarchical taxonomy featuring over 1,000 fine-grained edit concepts is established and a dense supervision training strategy that synthesizes multiple non-interfering concepts into single image pairs is proposed that significantly enhances both training efficiency and overall model performance.
• OpenAlex ID：W7203689813
• OpenAlex DOI：10.48550/arxiv.2608.16812
• DOI：10.48550/arxiv.2608.16812
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.16812
• OpenAlex更新：2026-08-31
• 副分类：engineering
• 待LLM分类：否
• 标题中文：释放图像编辑潜力：概念缩放与密集监督
• TLDR中文：本文建立了一个包含超过 1,000 个细粒度编辑概念的综合性层次化分类体系，并提出一种密集监督训练策略，将多个互不干扰的概念合成到单个图像对中，显著提升了训练效率和模型整体性能。
• 来源文件：
• /inbox/tom/_candidates/2026-08-25-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]