猫眼影戏
 |
|
猫眼影戏
何红英
手机审查
猫眼影戏记者 钱建康 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：猎奇小屋9.1
??01月05日,秦始皇帝陵博物院“秦陵苑囿之K0007陪葬坑”展览开幕,
接着是小红鸟，带着漫天的火光冲出。
,视频专区欧美三区。??01月05日,加拿大航空公司低价位机票将不再包含免费登机行李,
蛟族人心中大惧，并不情愿，有人站出阻挡。
,亚洲成Aⅴ人的天堂在线观看女人,aa5色情655,A级毛片免费无码。??时势2：五月婷婷开心综合网
??01月05日,875根钢管桩顺利沉放 杭州湾跨海铁路大桥建设提速,
一声鸣叫划破长空，如雷电劈落，穿金裂石，震的人耳膜生疼，一头重大的凶禽通体流动青色宝光，从石村后方腾起，铺天盖地，在这里盘旋了一圈，此后冲向了山脉深处。
,222国产精品黄色网,高清无码在线看网站,欧美深夜性爱。??01月05日,阿富汗发生5.3级地震，震源深度280千米,
3、太过相信自己的孩子。有的家长，孩子说什么是什么，要什么给什么，生怕孩子受一点委屈，这样也大可不必。俗语说：“不经一番风霜苦，哪得腊梅吐清香。”试想，雄鹰只有展翅遨游，才华经受风波的袭击，不履历风雨怎能见彩虹。周恩来说：“再苦不可苦孩子，再穷不可穷教育”，然而我要说：再穷不可穷教育，再富不可惯孩子！有个体家长不以身作则，率先垂范，却要求孩子必需优异。事实是，怙恃的一言一行在潜移默化地影响着孩子。怙恃对孩子既不可溺爱放任，也不可粗暴专横，应该在头脑上和生涯上予以眷注敬重、勉励、指导。这样的孩子一定是一个一直进取、高昂向上、无私贡献、立异求知的新一代儿童。
,毛片一区二区三区免费观看18P,黄色日韩福利网站,麻豆视频福利。??时势3：人人欧美一区二区
??01月05日,【澜湄印象】“乘”专列进京的老挝香蕉抢“鲜”售空 商户：“下一批已经在路上！”,
我们的学校是一个各人庭，内里的每个兄弟姐妹都要至心至心地为这个各人庭做出孝顺，学校的一草一木都是我们各人配合的财产。当你突破一块玻璃时，你可曾为自己的过失而自责?当你和同砚由于一件小事，爆发口角时，你可曾想过你的无知与激动?当你由于上课不专心听讲而与先生爆发矛盾时，你可曾想过别的同砚可能是何等的厌恶你的行为?我们只要为我们的行动认真，学着长大，定能成为守纪的模范。
,男人天堂综合,色哟哟在线视频精品一区二区,欧美女视频网站大全在线观看。??01月05日,江西省政协服务大局谋良策出实招 履职为民做“四者”,
这一箭射出，竟如一条蛟龙冲天般，发出阵阵风雷音，且散发出滔天的光线，摇曳下无尽的神辉，冲向鸾鸟。
,91亚洲欧美日产综合在线观看,亚洲一区精品在线,欧美高清,欧美黄片。??时势4：小 伸进 网站免费观看
??01月05日,老艺术家绝版书画在上海龙华古寺慈善义拍,
一是加速城乡妄想体例程序。我县县城总体妄想已体例完成，下步要凭证城镇化生长的需要，进一程序整完善县域城镇系统妄想，优化城镇结构。今年妄想事情要突出抓好中心都会妄想区建设和村镇妄想建设两个重点。围绕中心城区妄想建设，要着力做好8项新区开发项目、3项老城刷新项目、8项蹊径工程项目以及水系项目、主要蹊径刷新项目等项目的妄想体例事情，以上项目妄想原则要求3月尾前完成体例使命;已经体例完成的项目，要抓紧组织评审，起劲付诸实验。围绕村镇妄想建设，要着力抓好州里总体妄想修编和新农村试点村妄想建设。今年要抓紧举行新一轮妄想体例与修编事情，去年未举行妄想修编的7个州里，年底前必需完成妄想体例的评审与报批事情。各州里在组织体例总体妄想的同时，要连系现实，认真做好辖区公路沿线控制性详细妄想，并与镇域系统和土地使用总体妄想相衔接。要科学指导新农村试点村妄想建设事情，每个州里起劲培育2—3个集镇或墟落样板，以点带面，逐步铺开。今年各州里的妄想统一由县妄想部分组织实验，各州里要抽调专人，起劲配合，确保周全实现建设新农村目的。二是提高妄想设计水平。要坚持以人为本、突出特色、注重品位的原则，对城区主要地段、主要节点、标记性修建的妄想设计优中选优，严酷把关，切实解决千城一面、千街一面的问题。各州里要凭证各自资源秉赋、特色优势、历史文化、风土人情和集镇风貌确立奇异的建设气概，着力塑造各具特色的城镇形象。要坚持同步妄想、配套建设，搞好城镇供水、排水、燃气、供电、电信、有线电视等种种管网的综合结构，战胜“重地上、轻地下”的头脑，坚决杜绝“今天建、明天挖”的铺张征象，避免种种盲目建设、重复建设。三是增强妄想统一治理。要明确妄想实验的主体和责任，严酷妄想治理，维护妄想的权威性、严肃性。今年除列入国家、省批准的重点建设项目，利于县域生长急建的项目，以及临街影响市容而切合妄想要求需要翻建项目和已基本建成小区需填平补齐的新建项目以外，其它任何用地和建设项目，所涉及乡(镇)、村、组不得审核盖章和收取任何用度，妄想部分不得发放“一书两证”等手续，生长刷新部分不予立项，土地部分不得受理用地申请，建设部分不得发铺开工手续，有关商业银行不得提供建设资金贷款。严禁任何单位以职工集资等理由，在原划拨土地上举行房地产开发，杜绝任何小我私家不法举行房地产开发活动。对在建工程和已办理妄想用地手续的单位及小我私家，由县妄想和土地部分对所持手续举行审查，经审查及格的，集中报县政府审批，经审查缺乏格的，手续一律废止。审查时代，在建项目一律停建。要进一步加大妄想监察力度，严肃查处种种违法建设，今年要继续增强对都会妄想区用地和县内主干道两侧用地的监控治理，加大查处力度，这里需要指出的是，下步凭证省市有关精神，县政府要重点对省道两侧妄想控制区内的粘土砖瓦窑厂举行周全治理整理，实验所在地州里政府组织实验、相关部分联手整治的步伐，推进事情落实，确保规范有序建设。
,狼友无码纯肉视频在线观看,一级特黄AAA免费看直播,打光屁股㊙️网站。??01月05日,广西都安一民警因抢救落水者不幸牺牲,
若是你不可成为大道
,Pornhub国产在线观看明星挨脸,cos被炒出白浆,快灬快灬一下爽69。【从水体污染严重到生态旅游区！长江禁捕三年，这里发生大变化→】
责编：张抗抗
审核：栗震亚
责编：罗夏兰
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
