自然语言指令与图像编辑相结合，通过改进的数据增加监督信号，使模型能够优于最先进的基线技术，在细粒度物体中心编辑方面取得了显著的改进，同时还能推广到训练过程中未见过的领域。

Oct, 2023

该研究论文介绍了图像编辑推荐任务，通过 Creativity-Vision Language Assistant 的训练和编辑指令数据集的提供，实现了从输入图像和简单提示生成多样创意编辑指令的目标。通过引入新颖的 ' 用于本地化的标记 ' 机制，我们的模型支持全局和局部编辑操作，并证明了其在提供具有魅力的创意元素且与输入图像和用户初始提示高度相关的指令方面的有效性。

May, 2024

提出了一种新的学习方法 iEdit，用于文本引导的图像编辑，包括数据集的自动构建、无监督损失函数和分割掩模引导编辑。该模型在 200K 个样本的数据集上进行训练，并在图像保真度、CLIP 对齐性得分和编辑生成和真实图像方面显示出优越的结果。

May, 2023

该研究提出了一种基于文本到操作的模型，用于将编辑语言请求转换为一系列可解释且可区分的编辑操作，同时提出了一种操作规划算法以生成从目标图像中的伪地面真实性中可能的编辑序列。

Jun, 2021

本文讨论了 Conversational Agents（CAs）和 Conversational Search（CS）的研究，提出了一个使用自然语言与搜索引擎对话的系统，并使用 Crowdsourcing 平台的工作人员创建了 Search as a Conversation（SaaC）数据集以及基于该数据集开发的最新的 Conversations with Search Engines（CaSE）管道，该管道引入了一个支持标记识别模块和先验知识指针生成器以生成更准确的响应，并通过实验表明 CaSE 能够胜过强基线模型。

Apr, 2020

本论文针对谈话式信息查找的限制制约了以往的理论研究和实验研究，提出了一个针对谈话式信息查找的流程管道和 “WISE” 数据集，并设计了神经网络架构和预训练 / 微调学习方案，在谈话式信息查找的所有子任务上进行训练，并发布数据集、代码和评估脚本，以便测量这个重要的研究方向的进一步改进。

May, 2021

本论文提出了一种新的文本引导时尚图片编辑方法 FICE，包括 GAN 反演、CLIP 模型语义信息和姿态、图片评估等多项约束，使其能够更好地控制图像合成的逼真程度，并与多种先进方法进行对比验证，结果表明 FICE 具有更强的编辑表现和高度逼真的时尚图像生成能力。

Jan, 2023

构建了 GRE 数据集，该数据集包括原始图片和使用多个大型模型进行编辑的多种编辑方式，旨在推动生成区域编辑检测领域的进一步研究和探索。

Nov, 2023

本文提出了一种基于扩散方法的稳定可控的远程感知图像编辑方法，避免了大量配对图像的使用，并且通过量化评估系统和主观评估指标表明，该方法在远程感知图像编辑方面的效果优于现有的图像编辑模型。

May, 2024

本文提出了两种基于提示生成框架的简单而有效的方法，以改善基于文本的图像编辑过程中用户工程的问题，并通过定性和定量实验证明了提示在基于文本的图像编辑中的重要性以及我们的方法可以与基于参考的提示相媲美。

Jun, 2023