猫眼影戏
 |
|
猫眼影戏
许莉芸
手机审查
猫眼影戏记者 顾雨菲 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：国产福利专区
??01月07日,强冷空气导致两条“小三通”航线停航,
四、要从通道疏散。如疏散楼梯、消防电梯、室外疏散楼梯等。也可思量使用窗户、阳台、屋顶、避雷线、落水管等脱险。
,一边做一边做吃奶A片。??01月07日,长护险试点八年 哪些人群受益？哪些短板需补齐？,
首先 ，我谨代表学校党委、行政热烈接待列位同砚 ，并祝贺你们从强烈的竞争中脱颖而出 ，成为这个各人庭中的一员。同砚们 ，你们选择了x二中 ，x二中挑选了你们 ，这是一种缘分 ，让我们以热烈的掌声庆祝今天的相聚。
,一百奶头,久久久久见免费视频,国模吧国模高清大胆摄影图片。??时势2：国产黄色一区二区的在线观看
??01月07日,眼酸、眼干、视物模糊 当心视疲劳！,
中秋晚会意犹未尽 ，今晚又迎来了一年一度的员工大会 ，此时现在我的心田和各人一样很是激动 ，今晚 ，我们再次相聚在一起 ，一起回首公司的生长历程 ，探讨公司的未来生长!在此 ，我谨代表公司向一直以来为公司各项事业而辛勤事情、乐于贡献的列位同仁致以衷心的谢谢和高尚的敬意。
,天天做天天爽,东北老妓女叫床脏话对白视频,《男教师家访》原著小说。??01月07日,国际乒联混团世界杯中国队晋级八强,
以前有一父子俩 ，各背着一袋大米在沙路上行走 ，父亲因年迈被路边的石子磕绊了一下摔倒 ，大米淌在了沙路上 ，儿子急遽将带沙子的大米装入口袋 ，回抵家后 ，儿媳把大米里的沙子捡了一遍 ，大米下锅了 ，儿媳把第一碗米饭盛给父亲 ，父亲吃了第一口就吃出沙子 ，父亲很不知足 ，让儿子又重新捡了一遍沙子 ，下锅后仍然吃出了沙子。无奈 ，父亲亲自捡了一遍沙子 ，效果照旧同样吃出了沙子。从这个故事可以说明 ，若是品质出了问题 ，你就是费再大的劲 ，也不可填补已经造成的损失。从而说明晰质量事前控制的主要性。
,一区二区免费不卡在线,男人喝女尿秘 免费看,99riav在线视频。??时势3：女人脱裤子自慰喷水直播
??01月07日,女子痴迷减肥诱发心衰 抢救16天挽回一命,
历史的履历和实践昭示我们：思绪决议出路 ，看法创立财产 ，解放头脑的空间有多大 ，生长的空间就有多大。只有继续解放头脑 ，敢于探索立异 ，才华突破生长的障碍和制约 ，跃上生长的新境界。从我们墟落干部来看 ，我们的部分干部头脑守旧 ，要领老套 ，缺乏开拓精神 ，许多群众“小富即安”的头脑还较量严重 ，影响了生长程序。这些问题的保存 ，体现在事情上就是在生长思绪的贯彻上畏首畏尾 ，在决议安排的落实上大打折扣 ，故障了全乡经济的生长。因此 ，解放头脑是当务之急。现在我们的有些同志 ，头脑模式化、事情履历化 ，看法陈堕落根深蒂固 ，习惯于用老头脑、老履历解决问题 ，不可以立异和生长的思绪处置惩罚问题 ，这样未必会取得好的效果 ，必需坚决予以转变。要牢靠树立这样一种理念 ，把解放头脑同实事求是连系起来 ，岂论哪种形式 ，能搞活就行 ，岂论归谁所有 ，有孝顺就行 ，岂论规模巨细 ，能生长就行 ，岂论业主是谁 ，有作为就行。生长、立异就是要敢于大胆地试 ，大胆地闯 ，敢于突破陋习 ，善于推陈出新 ，以头脑的大解放增进全乡经济的大生长。解放头脑的最终目的是为了推进事情 ，增进生长 ，近年来 ，全乡经济和社会各项事业应该说都取得了显著效果 ，可是问题也还许多 ，这里不再逐一枚举。各村、各单位都要善于从本乡、本村现实出发 ，把解放头脑更多地体现在剖析问题、制订对策、解决问题上 ，体现在能不可找到一条切合本村、本单位的生长路子上 ，拿出新思绪 ，新步伐 ，新行动 ，科学地研究新情形无邪地解决新问题 ，起劲在解决问题、增进事情、推进生长上取得实质性希望。
,色影音在线,欧美AA视频,校花被扒个精光裸体给男生摸。??01月07日,新疆克州首批生活物资发往阿合奇县震区,
??时势4：亚洲综合网在线网站
??01月07日,拜登称不支持“台独” 国台办敦促美方将表态落到实处,
四、低廉的收费 ，丰富的教学效果
,中国熟妇色XXXXX,,乱伦无码,国产区 91。??01月07日,云南镇雄县凉水村“1·22”山体滑坡搜救现场发现一名被困人员, 例如 ，不少商业支教研学团的支教先生并未抵达教学水准 ，难免泛起教学失误；有些“支教先生”甚至就是小学生 ，他们将英语单词和26个字母写在白板上 ，教育和自己年岁差未几的孩子；都会孩子向山里孩子分享生涯 ，交流方法不当有时反而会变相成为“凡尔赛”……,亚欧乱色熟女一区二区免费视频,姐姐直播WWW,欧美性爱性爱视频。
【不愿交出拜登机密文件案录音 美众院认定司法部长藐视国会】
责编：永长存
审核：李东友
责编：华清城
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
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
