南大 & 吉大 & 移动 优化Pipeline设，VLM 和 LLM 助力提升物体图像修复效果 ！

文章预览

点击下方 卡片 ，关注“ 自动驾驶之星 ” 这里有一群奋斗在自动驾驶 & 座舱量产第一线的小伙伴等你加入 在图像修复领域，尤其是通过扩散建模的最新进展，已经取得了令人鼓舞的成果。然而，在涉及基于前景物体完成图像的场景中，目前旨在以端到端方式修复图像的方法遇到了诸如“过度想象”、前景与背景之间的不一致以及多样性有限等挑战。为此，作者推出了Anywhere，这是一个开创性的多代理框架，旨在解决这些问题。Anywhere采用了一个复杂的流水线框架，包含视觉语言模型（VLM）、大型语言模型（LLM）和图像生成模型等各种代理。 该框架主要由三个主要组成部分构成：提示生成模块、图像生成模块和结果分析器。提示生成模块对输入的前景图像进行语义分析，利用VLM预测相关的语言描述，并使用LLM推荐最佳的语言提示。 在图像生成模块 ………………………………