IECLA：可解释情绪贡献学习的情感图像编辑框架
热点事件观察中
IECLA：可解释情绪贡献学习的情感图像编辑框架
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
中科大团队的Yijie Guo、Dexiang Hong、Weidong Chen、Xinyan Liu、Zhendong Mao在arXiv发布IECLA框架（基于论文摘要），用于情感图像编辑：将源情绪贡献归因与目标感知编辑分离，用带符号的对象级证据指导局部修改。 方法上，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，该方法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。
AI 根据报道生成 · 2 天前更新
最新进展10月20日 12:00
IECLA：面向情感图像编辑的可解释情绪贡献学习报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · cs.AIIECLA：面向情感图像编辑的可解释情绪贡献学习
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。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 610月21日 06:00
- 近 24 小时变化
- -49%
0246
06:0012:0018:0010月22日06:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。