arXiv cs.MA· Jia Chen, Chao Huang, Xinrong Hu, Mingdi Huang, Ruyang Zhao, Jun Bai·· 11 小时前AI 评分20
GarmentSegAgent：基于文本自细化的网页时尚图像自主服装分割框架
GarmentSegAgent: Autonomous Garment Segmentation for Web Fashion Images via Textual Self-Refinement
AI 导读
GarmentSegAgent 是一个无需人工空间提示词、通过迭代文本自细化实现自主服装分割的框架，核心是 CAST（Constrained Attribution-guided Selective TextGrad）方法，可将视觉错误归因与定向文本优化连接起来，在推理时实现针对单张图像的纠错且保持基础模型冻结。
正文 · AI 翻译
摘要：网络时尚图像支持视觉产品搜索和消费者到店铺匹配等应用，然而其视觉异质性使得可靠的服装分割颇具挑战。尽管可提示分割已取得进展，但在没有人工提供空间提示的情况下，自主识别并纠正服装特定错误仍然困难。我们提出 GarmentSegAgent，一个通过迭代文本自我精炼整合语义规划、空间执行和视觉评估的自主框架。其核心是 CAST（约束归因引导的选择性 TextGrad），它将视觉错误归因与有针对性的文本优化相连接。CAST 识别导致分割错误的指令组件，通过文本梯度选择性地更新它们，并依据服装特定约束验证生成的指令。这使得在推理时能够针对具体图像进行错误纠正，同时保持底层基础模型冻结。在 DeepFashion2、ModaNet 和 Fashionpedia 上的实验表明，区域重叠和边界精度均持续提升，且精炼过程比传统 TextGrad 更可靠。通过让视觉反馈引导受控的指令更新，GarmentSegAgent 为自主服装理解提供了一个有前景的方向，并有望应用于可扩展的时尚内容分析、视觉检索以及网络上的消费者到店铺匹配。
| 评论： | 12 页 |
| 主题： | 计算机视觉与模式识别 (cs.CV)；多智能体系统 (cs.MA) |
| 引用为： | arXiv:2610.36506 [cs.CV] |
| （或 arXiv:2610.36506v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36506 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jun Bai [查看电子邮件]
[v1]
2026年10月27日星期二 02:10:25 UTC (12,677 KB)
来源：arXiv cs.MA · arxiv.org