研究者提出视觉提示工程VPE方法

2026年10月15日，arXiv Computer Vision 发布研究报道，Liyu Jia 等作者提出视觉提示工程（VPE）方法。该报道称，VPE 让模型先自回归生成 SigLIP 2 等视觉语义 token 作为“视觉提示”以捕捉语义布局，再据此生成完整图像 token，即“先想象再作画”；报道并称该方法可无缝集成进 Transfusion、BAGEL、Show-o2 等内部架构。目前进展停留在方法提出与架构集成说明层面，报道未给出实验数据、评测结果或应用落地信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。