محققان ابزار جدیدی به نام CanvasAgent معرفی کردهاند که دنیای ویرایش و خلق تصاویر را متحول میکند. برخلاف مدلهای قبلی که فقط تصویر تولید میکردند، این ایجنت یاد گرفته که چطور ابزارهای مختلف بصری را مدیریت کند.
ویژگیهای کلیدی CanvasAgent:
✅ درک کامل از فرآیند چندمرحلهای: از ویرایش بخشهای خاص گرفته تا ترکیب اجزا و تقویت جزئیات.
✅ آموزش با دیتاست عظیم CanvasCraft که شامل ۱۴۰ هزار مسیر اجرایی برای یادگیری بهتر است.
✅ قابلیت بررسی لحظهای نتایج و اصلاح تصمیمات برای رسیدن به بهترین خروجی بصری.
این مدل با استفاده از متد آموزش GRPO یاد گرفته که چطور در مسیر خلق یک تصویر، مثل یک ویراستار خلاق و دقیق عمل کند. قدمی بزرگ برای ایجنتهای خودمختار در حوزه گرافیک!
منبع: arXiv AI