SGE-Goal目标图像生成框架提出

2026年10月20日，arXiv Computer Vision 刊出 Riddhi Chatterjee 等作者的论文，提出 SGE-Goal 空间接地分解式编辑框架：在合成目标图像前，先预测初始与最终 2D 编辑区域掩码，用于机器人操作中的空间定位目标图像合成。作者称发布代码、数据集、检查点及一个与人类对齐的诊断评估器。该研究同时指出，在 CALVIN 基准上，图像编辑质量榜单靠前的 Gemini 3 Pro Image 和 GPT Image 1.5 所生成的目标图像作为控制目标时，反而不如更小的微调开源模型，多步长程任务差距更明显。目前进展为框架与配套资源发布，以及上述对比结论的提出。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。