Zilong Huang

収録論文 3本 ・ フィジカルAI/ロボット学習

※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。

論文

• QK-Edit: MM-DiTにおける画像・動画編集のための注意機構注入の再検討
  画像・動画編集2026/10/13

  マルチモーダル拡散トランスフォーマー(MM-DiT)の注意機構を訓練なしで操作し、テキスト指示による画像・動画編集を高精度に行う手法を提案。

• GenClaw: コード駆動型エージェントによる画像生成
  画像生成2026/5/28

  LLMエージェントがコード（SVG等）で下書きを描き、画像生成モデルで仕上げる、人間の画家のような段階的・制御可能な画像生成手法を提案した論文。

• ArchSIBench: 視覚言語モデルの建築空間知能のベンチマーク評価
  空間知能評価2026/5/20

  建築空間の知能を評価する新しいベンチマークを提案し、視覚言語モデルの空間認知能力を人間と比較して分析した。