PhotoGuider：具备构图感知能力的裁剪与 360° 视图取景，并提供可解释评估
PhotoGuider 会先评估场景构图，再确定如何取景。对于 360° 全景图，它先选择观看方向，然后优化裁剪范围。该方法利用视觉模型提取构图相关特征，并将其组织为主体、构图、美感和完整性四项评估。经过微调的多模态语言模型会根据这些评估生成说明。在两个标准 2D 裁剪基准测试中，PhotoGuider 的平均 mIoU 最高。一项由 120 名参与者评估 100 个全景场景的盲测显示，PhotoGuider 的取景在 53.2% 的案例中排名第一；两种对比方法分别为 27.3% 和 19.5%。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。