编辑之选：通过原子实体分析评估图像编辑中的抽象意图
计算机视觉与模式识别
2026-05-15 v1
摘要
人类自然地通过“情绪”等抽象概念进行交流。然而，当前的图像编辑基准主要关注显式、字面的指令，对抽象指令的探索严重不足。在本工作中，我们首先形式化了抽象图像编辑的定义与分类体系。为了衡量这一具有挑战性的领域中的指令遵循能力，我们引入了 Entity-Rubrics，这是一个将抽象编辑分解为独立的、实体级别评估的框架，并与人类判断实现了强相关。伴随该框架，我们贡献了 AbstractEdit，这是首个致力于跨多种真实世界场景的抽象图像编辑基准。在该数据集上评估 11 个领先模型揭示了一个根本性挑战：标准架构难以平衡意图与保留，通常默认为编辑不足或编辑过度。我们的分析表明，实现有意义的改进严重依赖于集成先进的 LLM 文本编码器与迭代思考。展望未来，我们基于实体的范式可以超越评估进行泛化，用作奖励模型，使模型能够正确解释抽象交流，或在测试时批判循环中突出特定失败。最终，我们希望这项工作能成为迈向无缝多模态交互的垫脚石，弥合僵化的机器执行与人类自然、开放式交流方式之间的差距。
引用
@article{arxiv.2605.14842,
title = {Editor's Choice: Evaluating Abstract Intent in Image Editing through Atomic Entity Analysis},
author = {Mor Ventura and Roy Hirsch and Yonatan Bitton and Regev Cohen and Roi Reichart},
journal= {arXiv preprint arXiv:2605.14842},
year = {2026}
}