猫眼影戏
 |
|
猫眼影戏
龚礼
手机审查
猫眼影戏记者 李柯 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：人人操,人人摸黄色
??01月05日,杭州“集中供冷”应对高温 超级“中央空调”助力节能减排,
一道火灼烁起，此后在刹那间竟然铺天盖地，直接化成一片火海，瞬息将小不点周围淹没了。
,91C、XXⅩ。??01月05日,“五一”假期 重庆民众乐享近郊游,
穷人的孩子早当家，暑假了，有些懂事的孩子为了磨炼自己，也为了给怙恃减轻些肩负，便趁暑假出去打工挣点学费和零花钱，这些学生有的是刚考完中考，有的刚加入完高考，许多是未成年人，孩子们首次出门打工，需要全社会的关爱和支持。
可就是有些老板黑了心，只顾自己赚钱，不管别人死活。他们招学生打工，显着知道学生打工只有一两个月，但他们却设置一个月甚至两个月的试工期，也不签条约，开的人为也很低，他们不给买社保但却会从微薄的人为中扣缴一两百块社保用度，并且往往把发人为的日期定到下月中旬，云云种种纷歧而足。更有甚者，好禁止易比及该发人为了，黑心人又找种种理由克扣人为，甚至拖着不发人为。
遇到这些事，你该怎么维权呢？劳动仲裁虽然可以，但时间长程序重大，也等缺乏呀。去求老板发发慈善，也纷歧定管用，有些人践就是记打不记吃，三句好话当不得一马棒棒，求也没用。那岂非就没招了？有！
最好最快的步伐，就是与小同伴们一起（人多点易受重视，但没有小同伴的话也没关系，胆大点一小我私家也中），带上你的身份证（没有身份证拿能证实身份的证件好比学生证也行）到打工地所在的区（县）找人力资源和社会包管局去，那里有一个劳动监察大队，找他们投诉举报，通常效果较好。投诉最好写个书面的《举报信》，举报人是你自己，姓名年岁性别民族住址****，被举报人是公司或工厂或营业部或个体老板，也著名称**认真人****（认真人及****不知道可不写），举报事由，则要写明你何时入厂打工及条约签署及拖欠人为情形，通常是没签条约没买社保乱扣人为不给加班费或拖欠人为，总有一款适合你，再写你的要求，简朴粗暴，快点把人为付了！请监察大队尽快举行监察处置惩罚。虽然，你得提供一些确着实工厂打工的证据，好比工牌，工号，条约，谈天纪录，照片，人为条等，大致就这些。也有些监察大队会让你填表，内容与《举报信》差未几，劳动监察大队一样平常会受理。
有时会遇到无良的监察职员，对你不睬不睬或忽攸你，让你找劳动仲裁，你可万万别听，就请他依法受理，《劳动包管监察条例》有明文划定，拖欠人为应当受理报案，且应当监察处置惩罚。但他就是不受理怎么办？你别和他就地斗，记着他工牌或姓名备用。你还可以在社保网站或政务网站上举报，怎样找到网站，自己百度，还可以打**投诉，拨打外地牢靠**区号＋12333即可投诉。
若是还没用怎么办？用大招，打市长热线12345，投诉被扣人为还投诉无门劳动监察还不管，劳监大队谁谁谁不受理你投诉，市长大人的**，一定会有人处置惩罚并反响给你的。
这些都做完了，还没有用果怎么办？重复重复再重复，一定会有用，本钱又低，要敢搞事，要不怕贫困，要有刻意！依法维权，正当维权，勇于维权，不但可以挽回经济损失，还可以铸造人格，利益真是太大了！
小同伴们永远记着，人弱被人欺，马弱被人骑，有人就喜欢欺压忠实人，权力是靠自己争取来的，一定要勇于讨说法，忍气吞声只会受侮辱，诚可悲也。
?学校及周边清静教育国旗下讲话稿（通用24篇）,KTV包间多P在线播放,欧美做爱久久一区二区三区,26uuu. com在线播放。??时势2：欧美1页
??01月05日,江西省气象台发布雷电黄色预警信号,
我先做一下自我先容。我叫张隽嘉，是来自高二(1)班的一名同砚，现任高中自愿者大队长。下面，我主要谈一谈我这次竞聘的目的，对竞聘职位的感受以及自己对竞聘职位的明确和熟悉。
,日日夜夜操屄,国产视频无码在线观看,国内自拍 不要停。??01月05日,自然资源部：2024年上半年全国共发生地质灾害2146起,
“无妨，除了主药，用通俗工具取代就行了。”柳神传音。
,天天亚洲综合网,理论黄色网站,在线观看中文字幕a。??时势3：玉足调教
??01月05日,纪念杨沫诞辰110周年活动在京举办 音乐剧《青春之歌》发布,
唯一让人遗憾的是，穿山甲最后关头自毁，原始宝骨尚有鳞片破碎了，没有留下什么宝术。
,人人摸人人操碰,可以在线观看黄色视频的网站,美女张开腿让男生桶免费。??01月05日,香港举行研讨会纪念香港基本法颁布34周年,
“吼！”与此同时，石林虎一声大吼，他知道情形紧迫，用尽全身实力催动，左臂亮起，浮现几个骨文，灿灿生辉，此后他猛地将那块兽臂骨按了上去。
,4399在线观看免费高清完整版视频,桃色午夜成人剧院,nahida 18+。??时势4：久久九九久精品国产婷婷婷婷
??01月05日,腔隙性脑梗塞 你所不知道的脑内秘密,
“孩子你突破了？”族长惊喜。
,国产精品久久久久久久精品专区,初狂操,无码专区视频在线。??01月05日,道中华丨山村总能给人以新的气息,
“于杀绝中新生，它竟希望获得雷光的滋养……”
,tk游戏手机版下载,銑欙笍馃埐馃敒,亚洲第15页。责编：野田以一贯
审核：缪某
责编：赵国瑞
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
