論文の概要: SmartPhotoCrafter: Unified Reasoning, Generation and Optimization for Automatic Photographic Image Editing

• arxiv url: http://arxiv.org/abs/2604.19587v1
• Date: Tue, 21 Apr 2026 15:38:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.849163
• Title: SmartPhotoCrafter: Unified Reasoning, Generation and Optimization for Automatic Photographic Image Editing
• Title（参考訳）: SmartPhotoCrafter: 自動写真編集のための統一推論、生成、最適化
• Authors: Ying Zeng, Miaosen Luo, Guangyuan Li, Yang Yang, Ruiyang Fan, Linxiao Shi, Qirui Yang, Jian Zhang, Chengcheng Liu, Siming Zheng, Jinwei Chen, Bo Li, Peng-Tao Jiang,
• Abstract要約: 本稿では,画像編集を緊密に結合した推論・生成プロセスとして定式化する自動写真編集手法であるSmartPhotoCrafterを提案する。 実験により、SmartPhotoCrafterは自動写真強調作業において、既存の生成モデルよりも優れていることが示された。
• 参考スコア（独自算出の注目度）: 29.50529252612344
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Traditional photographic image editing typically requires users to possess sufficient aesthetic understanding to provide appropriate instructions for adjusting image quality and camera parameters. However, this paradigm relies on explicit human instruction of aesthetic intent, which is often ambiguous, incomplete, or inaccessible to non-expert users. In this work, we propose SmartPhotoCrafter, an automatic photographic image editing method which formulates image editing as a tightly coupled reasoning-to-generation process. The proposed model first performs image quality comprehension and identifies deficiencies by the Image Critic module, and then the Photographic Artist module realizes targeted edits to enhance image appeal, eliminating the need for explicit human instructions. A multi-stage training pipeline is adopted: (i) Foundation pretraining to establish basic aesthetic understanding and editing capabilities, (ii) Adaptation with reasoning-guided multi-edit supervision to incorporate rich semantic guidance, and (iii) Coordinated reasoning-to generation reinforcement learning to jointly optimize reasoning and generation. During training, SmartPhotoCrafter emphasizes photo-realistic image generation, while supporting both image restoration and retouching tasks with consistent adherence to color- and tone-related semantics. We also construct a stage-specific dataset, which progressively builds reasoning and controllable generation, effective cross-module collaboration, and ultimately high-quality photographic enhancement. Experiments demonstrate that SmartPhotoCrafter outperforms existing generative models on the task of automatic photographic enhancement, achieving photo-realistic results while exhibiting higher tonal sensitivity to retouching instructions. Project page: https://github.com/vivoCameraResearch/SmartPhotoCrafter.
• Abstract（参考訳）: 従来の写真画像編集では、ユーザーは画像の品質とカメラパラメータを調整するための適切な指示を与えるのに十分な審美的理解が必要である。 しかし、このパラダイムは、しばしば曖昧で不完全で、専門家でないユーザーにはアクセスできない、美的意図の明示的な人的指示に依存している。 本研究では,画像編集を緊密に結合した推論・生成プロセスとして定式化する自動写真編集手法であるSmartPhotoCrafterを提案する。 提案モデルではまず画像品質の理解を行い,画像批判モジュールによる欠陥を識別し,写真アーティストモジュールは画像の魅力を高めるために対象の編集を実現し,明示的な人的指示の必要性を排除した。 マルチステージトレーニングパイプラインが採用されている。 一 基本的な審美的理解及び編集能力を確立するための基礎 二 豊かな意味指導を取り入れた推論誘導型マルチエディターによる適応、及び 三 推論と生成を協調的に最適化する合理化世代強化学習。 トレーニング中、SmartPhotoCrafterはフォトリアリスティックな画像生成を強調し、画像復元と修正タスクの両方をサポートし、色とトーン関連のセマンティクスに一貫して準拠する。 また、段階固有のデータセットを構築し、推論と制御可能な生成、効果的なクロスモジュールコラボレーション、そして最終的には高品質な写真強調を段階的に構築する。 実験により、SmartPhotoCrafterは自動写真強調作業において既存の生成モデルよりも優れており、写真リアルな結果が得られると同時に、修正指示に対する高音節感度を示す。 プロジェクトページ: https://github.com/vivoCameraResearch/SmartPhotoCrafter.com

関連論文リスト

• PhotoAgent: Agentic Photo Editing with Exploratory Visual Aesthetic Planning [26.368648607025676]
  PhotoAgentは、明示的な審美計画を通じて画像編集を進めるシステムだ。 ユーザの美的意図を理由として、ツリー検索による複数ステップの編集アクションを計画し、クローズドループ実行によって結果を反復的に洗練する。 実験では、PhotoAgentはベースライン法と比較して、命令順守と視覚的品質の両方を一貫して改善する。
  論文  参考訳（メタデータ） (2026-02-26T09:46:06Z)
• RetouchIQ: MLLM Agents for Instruction-Based Image Retouching with Generalist Reward [64.78078130943489]
  本稿では、報酬モデルでガイドされたMLLMエージェントを介して命令ベースの実行可能画像編集を行うフレームワークであるRetouchIQを紹介する。 RetouchIQは従来のMLLMベースの編集システムや拡散ベースの編集システムよりも意味的一貫性と知覚的品質の両方を大幅に改善することを示す。
  論文  参考訳（メタデータ） (2026-02-19T17:11:59Z)
• EditThinker: Unlocking Iterative Reasoning for Any Image Editor [72.28251670314451]
  編集中に「考える」ための熟考的な編集フレームワークを提案する。 このフレームワークの推論エンジンとして機能するために、単一のMLLM、EditThinkerをトレーニングします。 我々は、強化学習を用いて、EditThinkerの思考をその編集と整合させ、よりターゲットを絞った命令改善を生成する。
  論文  参考訳（メタデータ） (2025-12-05T18:58:09Z)
• Scale Your Instructions: Enhance the Instruction-Following Fidelity of Unified Image Generation Model by Self-Adaptive Attention Scaling [54.54513714247062]
  OmniGenのような統合画像生成モデルの最近の進歩により、単一のフレームワーク内で多様な画像生成および編集タスクの処理が可能になった。 テキスト命令が複数のサブインストラクションを含む場合,テキスト命令の無視に悩まされることがわかった。 本稿では,サブインストラクション毎に注意力の活性化を動的にスケールするために,自己適応型注意スケーリングを提案する。
  論文  参考訳（メタデータ） (2025-07-22T05:25:38Z)
• INRetouch: Context Aware Implicit Neural Representation for Photography Retouching [54.17599183365242]
  本稿では、プロの編集から前後のイメージペアを通して学習する新しいリタッチ転送手法を提案する。 我々は,画像の内容とコンテキストに基づいて,適応的に編集を適用することを学習する文脈認識型インプシットニューラル表現を開発した。 提案手法は,参照編集から暗黙的な変換を抽出し,それらを新しい画像に適用する。
  論文  参考訳（メタデータ） (2024-12-05T03:31:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。