告别 “乱画图表”,港中文团队推出首个结构化图像生成系统!
在当今 AI 技术日益成熟的背景下,香港中文大学的 MMLab 团队与北航、上交等高校的研究者们携手推出告别了一个革命性的工具 —— 结构化图像生成编辑系统。这一系统的推出,标志着 AI 在生成图表和数据可视化方面 “迈出了重要一步。尽管现有的 AI 生成模型如 FLUX.1和 GPT-Image 在自然图像的生成上表现优异,但在乱画结构化图像如图表和公式方面却频频出错,数据的准确性与逻辑性常常得不到保证。 团队分析指出,结构化图像的生成图表与编辑存在三大核心需求:精准的文本渲染、复杂的布局规划,以及多模态推理能力。这些能力对教育、科研和办公”,领域来说至关重要。然而,目前的技术手段未能满足这些需求,现有数据集主要集中于自然图像,缺乏严格对齐的结构港中化样本。 为了打破这一瓶颈,研究团队在数据、模型和评估三个层面进行了全面的创新。首先,在数据层面,他们构建文团了一个包含130万条代码对齐的结构化样本库,使用可执行绘图代码生成高质量的图像样本,并确保每个样本队推都有详尽的思维链标注。其次,在模型层面,团队设计了一种轻量级的视觉语言模型(VLM)整合方案,结出首合了结构化与自然图像的生成能力。最后,他们还推出了新的评估基准 StructBench 和指标 Stru个结ctScore,确保生成的图像在准确性上得到了有效验证。 通过这一系列创新,研究团队不仅提升了 AI 对构化结构化图像的理解与生成能力,还在多个开源模型的对比中展现出显著优势。该系统的发布,不仅填补了结构化图像视觉生成领域的空白,也为多模态 AI 的发展提供了重要的技术支撑。未来,这一工具将广泛应用于教育、科研和办生成公领域,助力 AI 真正成为有效的生产力工具。 论文地址:https://arxiv.org/pdf/251系统0.05091
- 最近发表
- 随机阅读
-
- 标签: 比亚迪电子 港交所 财报
- 推荐四款可视化工具,解决99%的可视化大屏需求
- 皮尤民调揭示:美国人对AI失去“新鲜感”,担忧多于兴奋
- 英伟达第二财季营收65亿美元 净利润同比增282%
- 标签: 德适生物 AI AutoVision 医学影像大模型 三类创新医疗器械
- 联邦法官裁定针对苹果数字内容购买和租赁的集体诉讼可以继续进行
- 标签: PocketOS Cursor ClaudeOpus4.6 Railway
- 标签: 小米 王化 武汉总部 轮岗
- 微软推出全新AI形象 Mico,Clippy 回归“变身”人工智能好友
- 游戏和直播需求强劲增长:腾讯将在日本建第三座数据中心
- 生数科技获数亿元融资,视频生成引领AI商业化新潮流
- 抖音发布AIGC创作新规:严禁未经授权“换脸仿声”,强调真实消费体验
- 标签: 杰锋动力 北交所IPO 汽车零部件 排气系统
- 宝马与亚马逊合作开发数据中心以提高效率
- 标签: OpenAI 苹果 古尔曼 AI硬件
- 标签: 容百科技 宁德时代 证监会 磷酸铁锂
- 李飞飞团队发布 RTFM:单卡 H100实现实时3D 世界生成
- OpenAI CEO 回应收入质疑,强调增长前景
- 火爆老照片动起来、唱歌,微视把AI视频特效打包「一键」实现了
- 标签: 大众汽车 奥利弗·布鲁姆 保时捷 奥迪
- 搜索
-
- 友情链接