Framework SCOPE per la generazione complessa di immagini

Un nuovo framework chiamato SCOPE (Structured Decomposition and Conditional Skill Orchestration) affronta il problema di tradurre accuratamente intenzioni visive complesse nella generazione testo-immagine. I ricercatori evidenziano un "Divario Concettuale", in cui gli impegni semantici—requisiti essenziali che devono essere monitorati durante il grounding, la generazione e la verifica—spesso diventano irrintracciabili durante il processo di generazione. SCOPE affronta questo problema preservando tali impegni all'interno di una specifica strutturata dinamica e utilizzando selettivamente competenze di recupero, ragionamento e riparazione quando gli impegni sono irrisolti o violati. Per valutare la realizzazione dell'intento a livello di impegno, lo studio presenta Gen-Arena, un benchmark annotato da umani con specifiche a livello di entità e vincolo. Questa ricerca è disponibile su arXiv con l'identificatore 2605.08043.