CrossTimeEdit:跨十年街景数据集与奖励引导的历史街景生成
SunYatsen · hf · 2026-10-13
中山大学等团队发布 VIGOR-his 数据集与 CrossTimeEdit 模型,用近期街景+卫星变化证据生成历史街景。
- 数据集 VIGOR-his:覆盖三大洲 11 城、43,653 组位置级四元组,时间跨度约十年;自动化流水线完成空间配对、一致性筛查、变化分类,并用 Gemini 做卫星-街景时间匹配筛查。
- 模型:从 FLUX.2 [Klein] 4B 出发,SFT + 在线 RL 训练;设计三个奖励维度(指令对齐 IA、背景保持 BP、质量与物理合理性 QP),用 Flow-GRPO 与逐维度归一化的 GDPO 优化。
- 结果:三项编辑指标总体比预训练基线提升 17.12%,在场景一致性、视觉真实感与感知质量上超过跨视角生成及 GPT-Image-2、LongCat-Image-Edit 等编辑基线。
- 代码、数据集与权重已开源。
「多模态」频道最新
- 开源 Flow-WLS 采样器：用 Savitzky-Golay 正则化让 DiT 10 步出图零伪影 — YakovSava · 2026-10-13
- 用 Gemma 写提示词：MiniMax H3 生图生视频加 2K 超分全流程 — EzkaProductions · 2026-10-13
- MiniMax H3 + Seedance 工作流：视频人物秒变可编辑 3D 白模 — Only_Airport7253 · 2026-10-13
- Recraft 示范三步 AI 虚拟人生成流水线，提示词全公开 — aziz4ai · 2026-10-13
- NeurIPS Spotlight 论文：视频扩散模型内部编码了物理规律 — katjahofmann · 2026-10-13
- 开源 .char 格式:跨视频生成锁定角色脸型服装与声音 — ashishsanu · 2026-10-13