PhotoGuider 用共享构图特征同时完成全景方向选择与裁剪取景。
资讯摘要
论文提出 PhotoGuider，一种“先测量后取景”的方法，用共享的构图感知特征训练轻量评分器，同时解决360°全景中观看方向选择与裁剪取景两个问题。特征由基础视觉模型和任务专用模型提取，组织为 Subject、Composition、Aesthetics、Integrity 四个摄影 token；微调的 MLLM 解释器据此生成构图相关解释。作者报告其在两个2D裁剪基准上平均 mIoU 最高，并在120人盲评中于53.2%的全景场景排名第一。
要点速读
- 方法将构图特征结构化为 Subject、Composition、Aesthetics、Integrity 四个摄影 token，并用共享评分器完成方向选择与取景。
- 作者报告在两个标准2D裁剪基准上取得最高平均 mIoU。
- 120名参与者的盲评中，PhotoGuider 在100个 Poly Haven HDRI 全景场景里53.2%的情况下排名第一，两个对比方法分别为27.3%和19.5%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:26（北京时间）。