猫眼影戏
 |
|
猫眼影戏
何婷
手机审查
猫眼影戏记者 李文靖 报道Q8X2R7L1T4J5M9B6W3
新智元报道
编辑：LRST
【新智元导读】多目的（Multi-target） 以及 视觉参照（Visual Reference） 为视觉定位（Visual Grounding）使命的推理速率和性能同时带来了全新的挑战 。 为相识决这一难题，来自UIC和Adobe的研究团队提出了VGent模子 。这是一种兼顾速率与性能的？榛杓，旨在将模子的推理与展望能力解耦，并辅以多种？榛銮考苹 。最终，VGent依附不到16B的参数目，在多目的及带视觉参照的视觉定位基准（Omnimodal Referring Expression Segmentation, ORES）上，大幅逾越了Qwen3-VL-30B，实现了平均+18.24 F1的重大提升！
在多模态大模子（MLLM）时代，视觉定位是MLLM细粒度推理能力的主要一环，同时也是实现人机交互和具身智能的焦点能力 。
现有的解决计划主要分为两类：
原生Token派（Native-token）：像 Qwen2.5-VL 或 Ferret-v2 这样的模子，通过自回归（auto-regressive）的方法使用原有的词表逐个天生界线框坐标 。这种方法不但速率慢（推理时间随目的数目线性增添），并且在多目的场景下容易爆发幻觉（Hallucinations），即模子可能会在枚举完所有目的工具之前就过早阻止，或者在目的麋集的场景中陷入无限天生的死循环 。如图一所示，随着目的数目的增添，这类要领在多目的场景下的低效和不稳固性变得尤为显着 。
新增Token派（New-token）：另一类要领实验通过引入特殊的token（如[SEG]或 object token）来指代目的物 。他们需要网络大规模的数据集、从LLM起重新构建一个能明确这些新增token的MLLM 。因此，这种要领不可阻止地会破损LLM在预训练阶段获得的通用推理能力 。更严重的是，其导致无法直接使用现有的、先进的、举行了更大规模预训练的开源MLLM（如 QwenVL系列） 。
来自UIC（伊利诺伊大学芝加哥分校） 和Adobe的研究团队提出一种？榛谋嗦肫-解码器（Encoder-Decoder）架构VGent，其焦点头脑是：将高层的语义推理交给MLLM，将底层的像素展望交给目的检测器（detector），最终通过hidden state将这种解耦后的关系举行毗连 。
论文地点：https://arxiv.org/abs/2512.11099
研究职员以为，语义推理和精准定位是两种截然差别的能力，强迫训练一个简单的整体模子去同时醒目笼统的语义推理和像素级别的底层展望，会导致性能和效率上的权衡 。
更切合直觉的方法，应该是由差别的组件做各自善于的事 。
基于这一洞察，VGent提出了一种？榛谋嗦肫-解码器设计，使用现成的MLLM和detector将高层多模态推理与底层展望解耦 。
其焦点理念在于MLLM和detector的优势是互补的：MLLM善于多模态语义对齐和推理，而detector则善于高效地提供精准的多目的检测框 。
图一：VGent（蓝色）与现有先进的MLLM（Qwen2.5-VL，灰色）在多目的视觉定位使命上的比照 。左图显示VGent的推理时间恒定且迅速，而 MLLM 随目的数目增添呈线性增添；右图显示VGent在F1分数上实现了显著提升，特殊是在多目的场景下 。
要领
基础架构
VGent主要由图二所示的encoder和decoder两部分组成，并引入了三种？榛銮炕疲ㄍ既⑺暮臀澹 。
图二：VGent框架概览
如图二所示，左侧encoder是一个 MLLM，使用QuadThinker来提升其多目的推理能力 。冻结的encoder输出hidden states并存储下来给到decoder 。右侧decoder初始化自encoder的LLM 层，其将detector天生的object proposal作为query，通过cross-attention与encoder的hidden states交互 。
研究职员在decoder内部新增了self-attention层（参数初始化自统一层的cross-attention），用于增进query之间的信息交流 。 最终的输出举行yes / no的二元判断来选择每个proposal是否属于目的 。响应的segmentation mask则通过 prompt SAM 获得 。
QuadThinker：强化多目的推理能力
针对MLLM在多目的场景下推理能力下降的问题，研究职员提出了一种基于 GRPO 的强化学习训练范式QuadThinker，通过设计特定的prompt和reward functions，指导模子执行区域到全局、分步推理的历程：先划分统计图像四个象限内的目的数目，再汇总总数，最后展望详细坐标 。
图三：QuadThinker所使用的prompt 。
Mask-aware Label：解决检测与支解的歧义
在多目的场景中，检测（Box）与支解（Mask）使命的界说保存一定的差别 。检测通常优化「一对一」的匹配，而支解则旨在召回所有远景像素 。
图四：Mask-aware Label示意图 ；贗oA的标签分派战略能召回被古板IoU忽略的细粒度部件 。
这种差别导致了标注歧义：例如图四（左）中，检测器可能将「鹿头装饰」与其「挂绳」视为两个自力的框 。
在检测使命的 IoU 标准下，由于挂绳的框较量小、相关于整体真值框的重叠率过低，往往会被看成负样本在标注阶段被过滤掉（被标上负标签） 。可是关于支解使命来说，这个挂绳属于远景，其应该被标上正标签 。
为此，VGent引入了Mask-aware Label，使用IoA (Intersection-over-Area) 指标举行特另外标签分派 。如图四（右），IoA通过盘算候选mask （通过proposal prompt SAM获得）与多目的真值的union mask的交集，并除以候选mask自身的面积获得 。
由于IoA的分母是候选mask自身面积，该机制能精准召回那些虽然只笼罩了部分目的群（如细小的挂绳）但依然有用的 proposal 。模子使用另一个自力的MLP head专门展望这种支解导向的标签，用于解决视觉定位中支解类型的输出 。
Global Target Recognition：增强全局感知
为了提升候选框选择的准确性，VGent 引入了Global Target Recognition？ 。
图五：Global Target Recognition示意图 。使用Learnable Queries注入全局目的数目信息，并聚合多个detector的效果以提升召回率 。
为了提高召回率，研究职员聚合了来自多个detector的proposal形成一个统一的query set，之后引入了特另外 learnable queries与这些proposal queries拼接作为decoder的输入 。
这组query被专门训练用于展望目的的总数以及正样本proposal的数目 。通过decoder层内的self-attention机制，这些包括全局统计信息的learnable query能够与proposal query举行交互，将「全局线索」撒播给每一个候选框，从而增强其对目的群体的整体明确，实现更精准的选择 。
实验效果
研究职员在最新的多目的视觉定位基准 ORES (MaskGroups-HQ) 以及古板的单目的数据集上举行了普遍评估 。
多目的视觉定位（Multi-target Visual Grounding）
图六：在 Omnimodal Referring Expression Segmentation (ORES) 上的性能比照 。ORES是多目的以及保存视觉参照（w/ < mask-ref >）的视觉定位基准 。
如图六所示，在极具挑战的ORES基准上，VGent 取得了全新的SOTA效果 。相比之前的最佳要领RAS13B，VGent在F1分数上实现了+20.58%的重大提升 。VGent在gIoU和cIoU上都带来了显着的提升 。
值得注重的是，纵然比照参数目更大的Qwen3-VL-30B，VGent 依然坚持显著优势 。同时，得益于？榛杓，VGent 在目的数目增添时坚持恒定且快速的推理速率，阻止了自回归模子随目的增添而线性增添的推理延迟（如图一所示） 。
单目的视觉定位（Single-target Visual Grounding）
图七：在referring expression comprehension (REC) 上的性能比照 。
VGent在古板单目的基准（RefCOCO, RefCOCO+, RefCOCOg）上也体现卓越 。
VGent实现了90.1%的平均准确率，逾越了InternVL3.5-20B和38B等更大规模的模子 。相比其backbone (Qwen2.5-VL-7B)，VGent带来了+3.5%的平均性能提升 。
可视化
图八：VGent在差别挑战下的展望效果可视化 。
VGent在重大场景中展现了极强的鲁棒性 。
如图八（上）所示，VGent精准定位所有方形钟表，纵然保存大宗相似的钟表作为滋扰项，展现了VGent在麋集多目的场景下的优越体现 。
图八（下）中，VGent 乐成定位了视觉参照（蓝色 mask），并继续推断出左侧穿裙子的女士，扫除了右侧的滋扰项 。
参考资料：
https://arxiv.org/abs/2512.11099
秒追ASI
?点赞、转发、在看一键三连?
点亮星标，锁定新智元极速推送！
??时势1：性插视频久久
??01月06日,东莞—香港国际空港中心累计进出口货值超17亿元,
“嗡！”
,色综合天天综合网免费网站 。??01月06日,江南名楼滕王阁北园即将开放 章江晓渡再现赣江之滨,
优异的起源是乐成的一半 。不管你已往是好是差，我们最体贴的是你现在体现怎样？在我们每个先生眼前你们各人就像摊开了的一张新白纸，那么你们将怎样在这张白纸上画出新的图画？是一幅精彩的画卷！照旧一幅平庸的涂鸦？更有甚者是被作为一张废纸被扔进垃圾筒 。已往属于别人，未来属于你自己，你的已往庆幸也好，失败也好，都已成为昨天，留给你的只应该是教训和履历；新的一学期已经最先，你最需要做的就是赶忙给先生、同砚留下一个优美的第一印象 。也许你昨天曾拥有绚烂，但那已经成为一段甜蜜的回忆，也许你昨天曾遭受攻击，也早已成为几滴苦涩的泪水，遗忘以前的乐成与失败，新的学期意味着新的起点，只要你肯拼搏，胜利永远属于你！虽然第一印象并不可代表一小我私家的所有，但做到这一点，才算是迈出可喜的一步 。我们的同砚还应该勇于离别已往的缺乏，离别自身的弱点，无论你以前怎样，只要你踏扎实实地学，先生喜欢的是一直前进的学生 。只要你一直挑战自我，完善自我，我们相信你一定会重塑一个崭新的自己 。
,欧美黄色a级视频,激情综合激情五月俺也去欧美,日韩精品欧美 在线视频 。??时势2：🍡下载乐发VIII平台软件app🍡(中国)ios安卓版V0.51.4
??01月06日,庆祝中法建交60周年暨中法文化旅游年开幕音乐会举办,
大浪滔天，一条触手拍落，能有山岳那么大，上面冷光闪闪，有许多锯齿，锋锐而炫目，击在大海中，波涛万重，海水卷上高天，云朵都被震散了 。
,欧美一级特黄AAAAAA在线看片,欧美精品黄色免费看,色啦啦AV综合网 。??01月06日,中国驻法国使领馆发布关于巴黎奥运会票务的领事提醒,
石村清静，村头的院子中，小不点抱着一个小瓦罐，正准备煮兽奶，他偷偷摸摸，时时以大眼瞟向院门口，生怕被一群大孩子觉察 。
,欧美操屄视频网站,秋霞电影在线观看视频,A片免费看一区二区三区免费网站 。??时势3：手机看片1024 欧美 国产
??01月06日,我们的姿态自信开放——从“千年瓷都”看文化传承发展,
各人早上好!我是来自高一10班的徐浪，今日我演讲的问题是：消防清静，从我做起 。天下上最名贵的是什么?毫无疑问是人的生命 。生命关于我们仅有一次，我们要倍加珍惜，上个星期，我们刚举行了消防疏散演练，今日我们继续“清静教育”的话题 。
,国产一级片久久ri,素人渔夫林书辞万元私人订制,双飞东北老阿姨 。??01月06日,中国香港泳手何诗蓓返港：享受比赛、没有遗憾,
首先我在学乐网注册了账号，并下载了有关的参考资料学习，之后加入了小学1-3年级的角逐 。内里的交通知识问题可真富厚，有交通基础知识判断题、交通标记题、交通行为规范题，虽然赛前我举行了认真的准备，可是问题内容太多了，照旧会时时时地做错问题，可我不肯认输，做错的问题找到准确谜底后，我又进入去参赛 。由于进入参赛的时间太迟了，我没能做到足够的积分，也就没能获得名次了，但我照旧很开心，由于这次参赛，让我明确了许多交通知识，使自己以后更会注重交通清静了 。
,日韩精品无码综合福利网,欧美老妇女乱熟,黄片黄片黄片黄片黄片 。??时势4：国产激情精品一区二区
??01月06日,（两会观察）从两会八个高频词看中国,
在我们的一样平常生涯中，若是一旦遇到溺水者，我们在营救时应该怎么办呢? 当发明有人落水时，不可冒然下水营救，由于一旦被落水者捉住将十分危险 。在水中与落水者纠缠不但会消耗救助者的大宗体力，有时甚至会导致救助者体力耗尽最终丧命，应连忙高声呼救，同时将救生圈、竹竿、木板等物抛给溺水者，再将其拖至岸边 。
,白浆天堂视频,久久国产精品一国产精品,性黄色视频 。??01月06日,专访学者晏青：饭圈冲突反映的是社会文化断层和价值分歧,
自去年召开事情聚会至今，已经已往了整整一年，最显着的感受就是时间过得很快 。在这一年中全院上下起劲事情，虽然泛起了倒运因素的影响，但我院的各项事情照旧取得了不少的效果 。尤其是在教学事情方面的效果是有目共睹的：本科生、研究生的招生人数突破纪录;教学督导组事情顺遂开展;学科建设深入人心;全体西席的心血之作--教学纲要乐成付印;完全学分制的实验已经确定……可以说泛起了我院亘古未有的好时势，为下学年周全推行学分制刷新涤讪了坚实的基础 。
,唐舞桐裸体被 羞羞软件,王者荣耀西施张嘴流眼泪图,台湾一级婬片完整版视频播放 。【茶卡盐湖：高原上的梦幻画卷】
责编：克里斯·安德森
审核：陈凌墨
责编：林贻华
Copyright (C) 2001- dzwww.com. All Rights Reserved
新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证
山东省互联网传媒集团主理 联系电话：0531-85193202 违法不良信息举报电话：0531-85196540
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
