提出服装细节生成任务与CFAD方法并发布FDBench

2026年10月26日，arXiv Computer Vision 刊出 DetailAnywhere 研究。作者 Zijun Li 等提出一项新任务：带焦点条件的服装细节生成（Fashion Detail Generation with focus conditioning），并发布基准 FDBench。据该报道，FDBench 是首个此类基准，含 41 个类别、4 万余对经人工核验的参考图-细节图数据。方法上，DetailAnywhere 采用跨模态特征对齐蒸馏（CFAD）：用微调的 DINOv3 教师模型对多模态扩散 Transformer 双分支做蒸馏，并引入按三个质量维度打分的奖励模型进行强化学习优化。报道称，该方法在全部指标和人工评测上优于所有开源 SOTA 方法。目前事件进展停留在论文与基准发布阶段，尚无后续跟进报道。

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。