論文の概要: VEvo-Harness: Causally-Guarded Self-Evolving Harness for Agentic Image Generation
- arxiv url: http://arxiv.org/abs/2610.39158v2
- Date: Fri, 30 Oct 2026 08:27:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.414892
- Title: VEvo-Harness: Causally-Guarded Self-Evolving Harness for Agentic Image Generation
- Title（参考訳）: VEvo-Harness:エージェント画像生成のための因果誘導自己進化ハーネス
- Abstract要約: VEvo-Harnessは、エージェント視覚生成のための最初の因果的に保護された継続的自己進化ハーネスシステムである。
VEvo-Harnessは最先端のエージェントメソッドを超え、プロプライエタリなジェネレータと競合する。
- 参考スコア（独自算出の注目度）: 10.895499386622406
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The central bottleneck in visual generation and editing has migrated from achieving pixel-level fidelity to satisfying densely constrained user specifications through increasingly agentic workflows. Prevailing agentic generation pipelines remain shallow generate-verify-rewrite loops treating VLM judgments as coarse visual feedback, either discarding repair experience or admitting ungated updates that poison skill library. With memorize and govern periods left open, they degrade into ungoverned iterators of repeated trial-and-error rather than continual self-evolving harness. Towards this issue, we present \textbf{VEvo-Harness}, the first causally-guarded continual self-evolving harness system for agentic visual generation. VEvo-Harness introduces four coupled innovations: (1) \textit{a visual traceback} that densifies sparse judgments into root-cause attributions with a hierarchical verification tree; (2) \textit{a visual continual governance} that admits only causally valid skill patches through counterfactual dual-arm image generation replay; (3) \textit{a lifecycle-managed harness state} that hierarchically distills root-cause-anchored episodes across working, experience, and pattern tiers into a persistent skill library of routable and causally verified capabilities; (4) \textit{a heterogeneous sandbox policy} that orchestrates a diverse action space of repair primitives, dynamically routing cost-aware interventions based on root causes to select the most effective strategy. VEvo-Harness surpasses state-of-the-art agentic methods and rivals proprietary generators (\textit{e.g.}, GPT-Image, Nano-Pro) while maintaining the continual harness evolution and generalization.
- Abstract（参考訳）: ビジュアル生成と編集における中心的なボトルネックは、ピクセルレベルの忠実性の実現から、エージェントワークフローの増大を通じて、厳密に制約されたユーザ仕様を満たすものへと移行した。
一般的なエージェント生成パイプラインは、VLMの判断を粗い視覚フィードバックとして扱い、修復経験を捨てるか、有毒なスキルライブラリをアンゲートした更新を認めるかのどちらかである。
記憶と統治期間が開いていると、彼らは継続的な自己進化のハーネスではなく、繰り返し試行錯誤を繰り返すイテレーターに格下げした。
本稿では,エージェント視覚生成のための最初の因果的に保護された連続自己進化型ハーネスシステムである「textbf{VEvo-Harness}」を紹介する。
VEvo-Harness は、(1) スパース判断を階層的検証ツリーによるルート起因属性に密度付けする \textit{a visual traceback} 、(2) 反ファクト的なデュアルアーム画像生成による因果的に有効なスキルパッチのみを許容する \textit{a visual continual governance} 、(3) 階層的にルート起因のエピソードを階層的に蒸留する \textit{a lifecycle-managed harness state 、 (3) 作業、経験、パターン層をルータブルかつ因果的に有効な機能を持った永続的なスキルライブラリに分割する \textit{a heterogeneous Sandbox Policy} 、(4) プリミティブのさまざまな動作空間を編成するプリミティブなルーティング、動的にコストを要したルート選択戦略に基づく、といった4つの統合されたイノベーションを紹介している。
VEvo-Harnessは最先端のエージェント手法を超越し、連続的ハーネスの進化と一般化を維持しながらプロプライエタリなジェネレータ(\textit{e g }, GPT-Image, Nano-Pro)と競合する。
関連論文リスト
- OmniHarness: Harnessing Generalizable Visual Generation via Symbolic Policy Learning [13.420387939375969]
シンボルポリシー学習による一般化可能な視覚生成のためのフレームワークであるOmniHarnessを紹介する。
OmniHarnessは、検証された実行を視覚生成タスクファミリーの象徴的なポリシーに抽象化する。
ComfyBenchのCreative Taskでは、オムニハーネスは95.0%のリゾリューション率を獲得し、最強のベースラインを27.5ポイント上回っている。
論文 参考訳（メタデータ） (2026-09-13T07:29:27Z) - HarnessEvolve: Learning from Reference Trajectories for Reliable Agent Self-Evolution [11.431479238875712]
我々は、信頼できるエージェントの自己進化を実現するために、参照軌道から学習する自己進化フレームワークであるHarnessEvolveを紹介する。
私たちは、さまざまなモデルとエージェントフレームワークを使用して、オープンドメインとエンタープライズシナリオにまたがるいくつかのベンチマークで広範な実験を行います。
結果は、HarnessEvolveがすべてのベンチマークと設定で、最先端のベースラインを一貫して上回っていることを示している。
論文 参考訳（メタデータ） (2026-09-01T07:31:18Z) - Closed-Loop Triplet Synergistic Generation for Long-Form Video [61.88597038104749]
CoSyTriGenは、クローズドループビジュアル-テキスト-メモリのシナジープロセスとしてマルチショット長ビデオ生成を定式化するエージェントフレームワークである。
この三重項に対して視覚言語モデルに基づくアナライザが原因となり、2つの経路に沿ってプロンプトとメモリの両方を更新する。
StoryBenchベンチマークの実験では、代表法よりもクロスショット一貫性、即効性、撮影連続性を大幅に改善した。
論文 参考訳（メタデータ） (2026-06-15T03:56:43Z) - Robust Dreamer: Deviation-Aware Latent Gaussian Memory for Action-Controlled AR Video Generation [89.70897512515477]
アクション制御された画像対ビデオ生成は、インタラクティブな世界シミュレーションにおいて有望なパラダイムであり、各制御信号が即時視覚応答を誘発する。
長時間の自己回帰的なロールアウトに対する視覚的忠実さと3D一貫性を維持することは依然として難しい。
既存の3D認識手法は、textitLatent--RGB Cyclingからの情報損失と、textiterror-free仮説によって引き起こされるトレーニング-推論ギャップという2つの障害により、破滅的なドリフトに悩まされることが多い。
textbfRobust Dreamerという,メモリ拡張フレームワークについて紹介する。
論文 参考訳（メタデータ） (2026-05-29T05:21:33Z) - ADEMA: A Knowledge-State Orchestration Architecture for Long-Horizon Knowledge Synthesis with LLMAgents [16.053669481561354]
ADEMAは長期の知識合成のための知識状態オーケストレーションアーキテクチャである。
本稿では長軸知識合成のための知識状態オーケストレーションアーキテクチャとしてADEMAを提案する。
論文 参考訳（メタデータ） (2026-04-28T16:54:48Z) - VISOR: Agentic Visual Retrieval-Augmented Generation via Iterative Search and Over-horizon Reasoning [44.82593834510368]
Visual Retrieval-Augmented Generation (VRAG)は、視覚的にリッチなドキュメントの検索と推論を可能にする。
既存のエージェントVRAGは、Long Horizonsのビジュアルエビデンス・スパシティと検索ドリフトの2つの重要なボトルネックに直面している。
統合された単一エージェントフレームワークであるVISOR(Visual Retrieval-Augmented Generation via Iterative Search and Over-Horizon Reasoning)を提案する。
論文 参考訳（メタデータ） (2026-04-10T17:25:34Z) - Self-Corrected Image Generation with Explainable Latent Rewards [55.29175717238288]
我々は、説明可能なLatent RewarDを通じて生成をガイドする自己修正フレームワークであるxLARDを提案する。
xLARDは、モデル生成参照からの構造化されたフィードバックに基づいて遅延表現を洗練する軽量な修正器を導入している。
実験により、xLARDは、生成前の状態を維持しながら、意味的アライメントと視覚的忠実性を改善することが示された。
論文 参考訳（メタデータ） (2026-03-26T02:59:35Z) - VITA: Vision-to-Action Flow Matching Policy [27.783132918359545]
VITAはノイズフリーで条件なしのポリシー学習フレームワークである。
フローマッチングを使って視覚表現を潜在アクションにマッピングする。
ALOHAとRoomimicの8つのシミュレーションと2つの実世界のタスクについて評価した。
論文 参考訳（メタデータ） (2025-07-17T15:41:57Z) - DiffBIR: Towards Blind Image Restoration with Generative Diffusion Prior [70.46245698746874]
DiffBIRは、視覚の異なる画像復元タスクを処理できる一般的な修復パイプラインである。
DiffBIRは, ブラインド画像復元問題を, 1) 劣化除去: 画像に依存しない内容の除去; 2) 情報再生: 失われた画像内容の生成の2段階に分離する。
第1段階では, 修復モジュールを用いて劣化を除去し, 高忠実度復元結果を得る。
第2段階では、潜伏拡散モデルの生成能力を活用して現実的な詳細を生成するIRControlNetを提案する。
論文 参考訳（メタデータ） (2023-08-29T07:11:52Z)
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。