猫眼影戏
 |
|
猫眼影戏
裴申
手机审查
猫眼影戏记者 汪谦慎 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：网站色哟哟
??01月08日,多国政要读懂中国：中国式现代化惠及世界，经验值得借鉴 |世界观,
三要坚持学以致用 。列位村干部能够联系各自的事情现实 ，学习上相互启发 ，生涯上相互体贴 ，事情上相互学习 ，相互交流 ，取长补短 ，配合提高四方面事情能力：一是富一方黎民的能力 。切记为人民效劳 ，要明确权力是人民给的 ，应该从群众最体贴、最迫切需要解决的现实问题入手开展事情 ，在充分尊重民意的基础上 ，明确生长思绪 ，因村制宜 ，因势利导 ，千方百计生长村级经济 ，增添农民收入 。二是解决现实问题抓落实的能力 。要强化责恣意识、阵势意识 ，把上级的要求同群众的意愿连系起来 ，既对上认真又对下认真 ，找准两者最佳切入点 ，增强指导 ，解决现实问题 。三是做好群众事情的能力 。切记党的宗旨 ，亲民、爱民、敬民、为民 ，能够经常走家窜户、谈心谈心 ，学会民主选举、民主决议、民主治理、民主监视 ，新形势下做好农村事情 ，治理村务事务 。四是保一方平安的能力 。要切记群众利益无小事 ，千方百计地化解矛盾 ，不推诿拖沓逃避 ，善于运用政策、执法和人格实力去做调解事情 ，增进了家庭和气、村民团结和社会稳固 。
,禁漫 游戏 。??01月08日,糖尿病须终身服药？这些情况可以“缓解”,
三是要遵守纪律 ，树立形象 。列位都来自农村生产第一线 ，是一个家庭的主心骨 ，维系一个家庭的生计 。同时 ，又是村两委的主要向导 ，有的照旧企业的认真人 ，抽出时间脱产学习 ，一定有这样那样的难题 。对此 ，我们作了思量 ，将这次培训班由前两次的8期缩短到4期 ，每期授课时间也从5天压缩为4天 。各人要合理安排好家务和村务 ，有始有终坚持究竟 。今天你们来加入培训 ，现在的身份就是学员了 ，当务之急是要尽快进入角色 ，既来之 ，则安之 。我希望在培训中 ，各人要自觉配合 ，听从治理 。不缺课、不迟到、早退 ，中午不喝酒 ，不应去的地方坚决不去 ，不应做的事情坚决不做 ，严以律己 ，树好形象 。
,日韩人妻丰满无码区A片,九色91视频,欧美性爱特级黄片 。??时势2：男生 弄女生 里免费漫画
??01月08日,澳门单牌车有望经横琴驶入广东其他区域,
一声嘶吼 ，灰色的凶蛟人立而起 ，向着石村那里俯冲了已往 ，睁开了凌厉的攻势 ，这是让人震撼的一击 。重大的蛟身压盖满了天空 ，灰雾汹涌 ，厚重无比 ，它像是从混沌中而来 ，张口一啸 ，吐出一大片可怖的光线 ，震的下方的山石所有崩碎 。
,网黄魅魔潮喷视频,日韩黄在线观看免费视频,WWW少妇com 。??01月08日,（两会速递）海关总署：上半年中国外贸可保持增长,
要进一步完善党内民主集中制、行政效能监察制、重大事项制 ，继续牢靠和深化制度建设效果 ，增强党风廉政建设制度的督查落实 。捉住规范权力运行这个重点 ，编好“清静网” ，织密“防护网” ，突破“关系网” 。现在有个体所谓“精明”的商人 ，既是市场竞争的“里手” ，也是拉人下水的“能手” 。我们的向导干部应善于自我给自我立规则、自我给自我定框框、自我给自我不利便 ，秉持公心 ，主持公正 ，坚持果真 ，经由自我控制、自我约束、自我规范 ，不让自我有半点搞生意的杂念 ，不给别人有半点笼络你的时机 。
,一级黄色亚洲国产视频,泳装小南吃长门钢筋视频,武警在树林里玩交警 。??时势3：国产一级二级黄色免费网站
??01月08日,“春城”昆明迎来2024年首场雪 民众开启“云”赏雪模式,
那是一小我私家的语言声 ，恐怖无比 ，震惊了成片的宫殿 ，如九天上的惊雷在此炸响 。
,猛男裸体GayGay,能直接看的av网址,污视频在线观看美女 。??01月08日,国家金融监管总局推动国有大型保险集团发挥头雁作用成效初显,
“哦 ，就叫它祭灵 ，或者称呼为柳神 。”皮猴回应道 ，孩子的话最真 ，自然更容易让人相信 。
,日韩欧美性爱免费,操东北女人的逼,亚洲第一狼国产综合网 。??时势4：日韩一线一区
??01月08日,广西柳州夜市人流如织 美食令人垂涎,
1、课间不追逐、不打闹 ，上下楼梯靠右行 ，相互谦逊不得拥挤 ，不从楼梯的扶手上下滑 ，行至拐弯处 ，要放慢脚步 ，预防相撞;
,欧美天天三级片,色色·的网站,麻豆传媒国产精品欧美激情 。??01月08日,习近平给中国科学院院士、清华大学教授姚期智回信, 携程网数据显示 ，与去年同期相比 ，今年前三个月前往中东旅行的预订量增添了三位数 。今年6月 ，阿联酋旅游机构透露 ，去年阿联酋共接待了120万名中国游客 ，游客人数“预计今年将实现大幅增添” 。全球咨询公司牛津经济研究院同样展望 ，中国出境游的苏醒将由中东地区等目的地引领 。,色色色人干人人干人人,美女扒开尿口无遮挡教师厕所,91免费在线国产 。
【“网红城市”旅游热 重庆港澳政协委员议“长红”之道】
责编：张漪
审核：别克昂科雷
责编：林鹏
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
