编织视觉叙事：超越原子图像匹配的智能体图像组合
一项新研究提出图像组合（Image Bundle Composition，IBC）范式，旨在从大规模、无结构的照片库中动态组成具有连贯关系的图像集合，而不是单独对每张图像进行排序。研究团队构建了IBCBench基准数据集，包含109,467张图像和667个经过验证的查询。其BundleWeaver框架利用大语言模型自适应地寻找缺失的关系角色，并通过视觉语言模型验证完整的图像集合。实验表明，现有嵌入模型和静态重排序方法难以识别图像之间的关系，而BundleWeaver取得了更好的性能。数据集和代码已公开。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。