arXiv Computer Vision· Jianze Li, Kai Liu, Ziqing Zhang, Weihang Zhang, Yong Guo, Linghe Kong, Yulun Zhang·· 1 天前AI 评分24
FrameLite：基于 Qwen3.5-0.8B 紧凑视觉语言模型的决策导向美学裁剪
FrameLite: Decision-Oriented Aesthetic Cropping with a Compact Vision-Language Model
AI 导读
FrameLite 是一个基于 Qwen3.5-0.8B 构建的紧凑美学裁剪模型，通过三阶段训练实现优于对比的大型 VLM 裁剪器的效果。其训练包含空间与构图训练、质量引导在线监督（QOS）和贪心参考优化（GRO），后两阶段均使用标注反馈。推理时仅输出一个坐标答案，无需搜索或外部评分器，代码与模型权重将开源。
来源：arXiv Computer Vision · arxiv.org