arXiv · cs.AI· Yijie Guo, Dexiang Hong, Weidong Chen, Xinyan Liu, Zhendong Mao·· 2 天前
IECLA：面向情感图像编辑的可解释情绪贡献学习
IECLA: Interpretable Emotion Contribution Learning for Affective Image Editing
arXiv:2610.25015v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yijie Guo, Dexiang Hong, Weidong Chen, Xinyan Liu, Zhendong Mao
研究任务与主要进展
IECLA提出一种可解释情感图像编辑框架，将源情绪贡献归因与目标感知编辑分离，并利用带符号的对象级证据指导局部修改。框架通过反事实干预训练贡献预测器，推理时结合图像级情绪评估器与目标感知编辑智能体，无需重复干预即可为现有编辑器生成内容感知操作。论文摘要报告，其在域内和跨数据集测试中提高了反事实贡献预测的忠实度，并在六个编辑骨干上增强目标情绪表达，同时保持图像内容与结构。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org