CanvasAgent: Enabling Complex Image Creation and Editing via Visual Tool Orchestration

• 类型：arxiv
• 标识：2607.05465
• 链接：https://arxiv.org/abs/2607.05465
• 主分类：agent
• 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：CanvasCraft, a large-scale multimodal tool-use dataset for complex image creation and editing, and CanvasAgent, a tool-augmented multimodal agent that learns to orchestrate heterogeneous visual tools through multi-turn interaction are introduced.
• OpenAlex ID：W7167739663
• OpenAlex DOI：10.48550/arxiv.2607.05465
• DOI：10.48550/arxiv.2607.05465
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.05465
• OpenAlex更新：2026-07-19
• 副分类：multimodal
• 待LLM分类：否
• 标题中文：CanvasAgent：通过视觉工具编排实现复杂图像创建与编辑
• TLDR中文：提出了用于复杂图像创建与编辑的大规模多模态工具调用数据集 CanvasCraft，以及通过多轮交互学习编排异构视觉工具的工具增强多模态 Agent CanvasAgent。
• 来源文件：
• /inbox/tom/_candidates/2026-07-08-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]