猫眼影戏
 |
|
猫眼影戏
王红
手机审查
猫眼影戏记者 郜氏 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：中文字幕久久精品无码一区二区
??01月09日,四川康定山洪泥石流318国道受灾段将于8月7日管控放行,
“切，别说那种传说中是否保存的工具了，就是一只火云雀或者其子女出来都能灭掉一个超等富家，真要是朱雀还容你去追？一个哈欠就能让一方王侯的领地破碎！”
,四川BBBBBBSB肥胖 。??01月09日,百余名香港青年在粤港澳大湾区企业完成实习,
首先是凭诚信驻足 。
,欧美一级在线视频,91大神大战酒店翘臀美女,婬乱娇妻被快递员挺进在 。??时势2：日韩一道无码中文字幕
??01月09日,【东西问】Pandaily创始人周恒星：如何讲好中国创新故事？,
(二)新型城镇化是内在式生长的城镇化 。从天下规模看，已往的城镇化纯粹追求都会建成区面积的扩张，形成了“摊大饼”式的生长模式，特殊是走了一条优先生长特大都会的路子，引发了城镇化生长中许多社会、情形等方面的突出问题 。走新型城镇化蹊径，要求我们必需走内在式生长的路子，也就是说，不是都会建得越大越好，也不是生齿群集得越多越好，而是要做到人地相宜、人城相宜、人业相宜，既要扩大都会生齿的规模和总量，同时又要做到基础设施和都会生涯相匹配 。张掖的都会化怎样实现内在式生长呢?首先得有生齿规模 。没有生齿规模，资源和效益都很难施展出来 。在都会经济学上有一个测算数值，生齿在10万人以上，都会就最先爆发净值收益，并且生齿数目越大，净值收益率越高，凌驾100万人以上，净值收益率就会下降 。张掖现在恰恰缺10万人以上的都会，除甘州区外，其它县区的都会生齿都缺乏10万，要爆发净收益，我们加速内在式生长就是要把都会规模做大，让都会能够自己养活自己 。内在式生长还要求我们做到集约、节约使用水和土地等种种都会要素资源 。集约化生长就是怎样用更少的土地爆发更大的效益和价值 。天下上公认的两个最好的都会香港和纽约，恰恰都是生齿密度最大的都会，乐成之处在于疏密连系，私人空间标准相宜，但公共空间标准很大，土地面积不大，但有限土地的使用率和产出率很高，不但有群集功效，并且相宜人居 。而我们的都会相反，往往该疏不疏，该密不密，既有严重铺张土地的地方，又有拥挤不堪，生涯很不利便的区域，不管老城新城，所有楼盘都带商业，功效混搭 。中央提出的新型城镇化要求我们必需要集约和节约地使用资源，走好内在式生长的路子 。
,性欧美XXX老师护士,深夜福利黄色网站,久久一级婬A片AAA毛片色欲 。??01月09日,和评理 | 马尼拉应停止侵权挑衅 不要引火烧身玩火自焚,
萧天恨啊，最终起劲转过了身也没看到是谁偷袭了自己，被一榔头敲翻在地，双眼翻白，带着不甘，昏厥了已往 。
,furry老虎猛交大肉自慰,91AA一级黄色片,蝌蚪蜗窝 。??时势3：美女让扒开腿男生白浆动态图
??01月09日,展望2024年A股市场 多家外资机构给出积极预判,
正像《天下人权宣言》所说：“人人生而自由，在尊严和权力上一律一律 。他们赋有理性和良心，并应以兄弟关系的精神相看待” 。也就是说，岂论你生在鱼缸的哪块石块下，追求幸福的权力，赢得尊重的权力，以及回报这个鱼缸的义务等，都应是一律的 。这就是我们追求的社会制度与人格的一律 。
,啊啊啊~好大~嗯嗯嗯~c我~射,尿孔 灌 电击 调教视频,YOURPOUR永不迷路尤尔邦 。??01月09日,“盛世修典‘中国历代绘画大系’主题展之‘久久为功’”亮相中华世纪坛,
“做人要讲品德，做官更要讲官德” 。官德正则民俗淳，在老黎民眼里村干部就是官，作为一名“村官”，怎样才算有德?我以为就是要效劳公正，带动做事，勇于贡献，坚持做人讲人品，为官重官德，坚持公正办事、正直为人、忠实守信的品德底线，坚持立党为公、执政为民的行为准则，树立准确的权力观、职位观、利益观，让全村人信服你!村干部最忌自私自利，光想着自己的小圈子，黎民不认可，党的威信在群众中就失去了基本 。这就要求我们村干部要增强学习，尤其是连系开展创先争优活动，带动剖解头脑，提高素质 。俗话说：村官不是官，干好不简朴 。以是，做为村官要常修为政之德，常思贪欲之害，；陈杉褐 。唯有云云，你才华获得群众拥护，才华在群众中留下口碑，才华在农村这个大舞台上成绩一番事业 。
,男人天堂综合,人人爽，人人插入,一出一进一爽一粗一大动态图 。??时势4：欧美一级婬片A片久久精品观看
??01月09日,两岸山东乡亲云端庆新年 书香墨韵传乡音,
同砚们，让我们行动起来吧!从我做起，从身边小事做起，做今世文明的中学生 。
,久久九九亚洲精品法国国内产一级,台湾黄色网站电影特级毛片,国产最好的看真人csgo游戏 。??01月09日,进出西藏列车有机蔬菜实现“现摘现炒”,
今年是实验“”妄想的开局之年、起步之年，做好城镇化各项事情具有十分主要的意义 。今年我县城镇化事情的总体思绪是：以邓小平理论和三个代表主要头脑为指导，以建设“水城、绿城、棉纺织名城”为目的，以生长为主线，以制度刷新和体制立异为动力，坚持妄想、建设、谋划、治理“四位一体”，县城、重点镇、小集镇、中心村良性互动，立异谋划理念，完善城镇系统，强化基础设施建设，扩大城镇规模，加速推动农业劳动力向非农工业转移，农村生齿向城镇转移，实现城镇化一连、快速、康健生长 。详细事情中，要着力抓好以下五个方面的事情：
,黄色视频在线观看免极品,你懂的在线视频播放,小刚小正高筱柔高达小说 。责编：巴斯卡尔
审核：秦襄公
责编：林凯
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
