PhotoAgent：基于探索性视觉美学规划的智能照片编辑系统
计算机视觉与模式识别
2026-03-03 v2
摘要
近期生成模型的快速发展推动了基于指令的图像编辑展现出巨大的潜力。然而，编辑质量高度依赖于精心设计的指令，将任务分解与排序的负担完全置于用户身上。为实现自主图像编辑，我们提出 PhotoAgent，通过显式的美学规划来推进图像编辑。具体而言，PhotoAgent 将自主图像编辑建模为长期决策问题。它在用户美学意图推理基础上，通过树状搜索规划多步骤编辑动作，并通过具备记忆与视觉反馈的闭环执行不断细化结果，无需逐步的用户指令。为支持现实场景下的可靠评估，我们引入 UGC-Edit，一个包含 7,000 张照片且配备学习型美学奖励模型的美学评估基准。我们还构建了一个包含 1,017 张照片的测试集，用于系统评估自主照片编辑性能。大量实验表明，PhotoAgent 在指令遵循性与视觉质量方面均优于基线方法。项目页面为 https://mdyao.github.io/PhotoAgent/。
引用
@article{arxiv.2602.22809,
title = {PhotoAgent: Agentic Photo Editing with Exploratory Visual Aesthetic Planning},
author = {Mingde Yao and Zhiyuan You and King-Man Tam and Menglu Wang and Tianfan Xue},
journal= {arXiv preprint arXiv:2602.22809},
year = {2026}
}
备注
A fully automated, intelligent photo-editing agent that autonomously plans multi-step aesthetic enhancements, smartly chooses diverse editing tools, and enables everyday users to achieve professional-looking results without crafting complex prompts. Project page: https://mdyao.github.io/PhotoAgent/