猫眼影戏
 |
|
猫眼影戏
王珍代
手机审查
猫眼影戏记者 李峻岫 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：永久免费A级网站
??01月06日,台青走进电竞新媒体产业园：电竞让两岸青年更“来电”,
若是以往 ，小不点肯定第一时间选择逃走 ，但现在他却并不恐惧 ，坦然站在一块青石上 ，大眼很清亮 ，悄悄地看着它 。
,裸体毛片 。??01月06日,“代买火车票”收取好处费 两人在北京南站被行拘,
皮猴抓了抓头 ，小声道：“那时我还小 ，但尚有一点印象 ，谁人叔叔很英武 ，就是带着一些病容 ，而谁人姨妈则是我见过的最漂亮的女人 。”
,魅魔扒开秘 让男人桶爽,久久综合精品国产二区无,日韩精品亚洲人成在线观看 。??时势2：黄色午夜小黄片导航
??01月06日,2024文昌国际航空航天论坛在海南文昌开幕,
在增强都会基础设施建设的同时 ，以“双创”活动为载体 ，鼎力大举实验城区亮化、绿化、净化工程 ，县城情形一直美化 。亮化工程推进有力 ，去年城区共更新增设路灯803盏 ，楼体亮化单位达150余个;绿化工程顺遂实验 ，新建改建了白河公园、移动绿园以及解放路、书院路绿园 ，更新了向阳路绿带;城管事情逐步规范 ，通过完善运作机制 ，推行集中整治、专项整治和长效治理相连系 ，城区秩序有了显着改观 ，整年共拆除不规范广告牌20xx余块 ，取缔缺乏格要求的临街门店80余处 。卓有效果地组织开展了城区军民渠、护城河清障清淤事情 ，扭转了城区脏、乱、差的状态 。
,人人插人人操人人,日本免费黄色视频网,日本少妇 HaD 。??01月06日,文明的坐标丨“悬塑绝唱”山西隰县小西天,
进一步增强信息、督查、政策研究质料的报送事情 。地委办公室承办的信息、督查和政策研究事情既是各某地某、各部分向地委以致自治某地党委事情的主渠道 ，也是地委掌握各某地某、各部分贯彻落实党委决媾和各项事情安排情形的主要手段 。近年来 ，各某地某、各部分起劲报送种种信息、督查和政策研究质料 ，做了大宗事情 。某某、巴里坤某地、伊吾某地、经贸委、生长妄想委员会、统计局、农业局、林业局、建设局、公安局、清静局、劳动包管局等单位在这些方面做得较好 。希望继续发挥效果 ，再接再厉 ，力争各项事情能再上新台阶 。其他单位也要认真查找缺乏 ，起劲遇上来 。与此同时 ，我们也要苏醒看到 ，现在党委的信息、督查和政策研究事情与新形势、新使命的生长需要相比 ，同各级党委的要求相比 ，尚有一定的差别 ，还保存一些问题和缺乏 。主要体现在：一是信息、督查和政策研究的整体水平还不高 ，报送的质料有的针对性不强、文字质量不高、数据禁绝确;有的简朴停留在征象表层 ，缺乏深度思索和剖析 ，也没有提出操作性较强的应对步伐 ，能上升到地委向导决议视野的偏少;二是部分一些主要信息、紧迫信息的报送还不敷实时 ，甚至有迟报、漏报、瞒报的征象 。三是机构刷新以后 ，督查机构举行了新的设置 ，有的部分对党委督查事情缺乏足够的重视 。这里我要强调指出的是 ，党委督查的机构设置虽然有转变 ，但督查事情的主要性没有变 ，督查事情的内容、手段、要求没有变 。希望各人切实使用好信息、督查和政策研究事情这一渠道 ，知缺乏而思进 ，接纳切实有用的步伐 ，认真加以解决 。
,男女一级a爱视频,天天天欲色欲色www,蝌蚪黄片小辣椒 。??时势3：水龙乐园动漫在线
??01月06日,带娃沉浸式社交 剧场“热辣滚烫”,
在这个鲜花盛开 ，生气盎然的季节 ，我们配合迎来了白湾子镇学校第六届艺术节 。值此艺术节开幕之际 ，首先 ，我谨代表定边县教育局向辛勤耕作、默默贡献的列位先生致以高尚的敬意 ，向勤学上进、生气蓬勃的列位同砚致以亲热的问候 ，向一直以来鼎力大举支持定边教育的各界人士体现衷心的谢谢!
,啊啊啊~好大~嗯嗯嗯~c我~射,538免费在线视频,麻豆传媒,天美,91,糖心 。??01月06日,浙江多地发布通知 宣布停课一天,
最后 ，他被两个忠心的老西崽抬走了 。
,国产视频三,美女裸体18禁网站免费看图片,强奷漂亮雪白丰满少妇AV 。??时势4：免费国产a
??01月06日,国台办介绍端午节前后两岸同胞共度中华民族传统节日有关情况,
“去吧 ，到时间见识一下外面的那些天才究竟有多强 。”一位老人笑道 。
,www.白白色发布,和平精英同人网站链接,黄页免费视频大全在线 。??01月06日,江西永修：秸秆回收再利用 变废为宝增效益,
“咋泛起这么多人？”
,91在线制服丝袜亚洲一区,色综合色综合色综合,日本强奸乱轮 。责编：卡拉扬
审核：陈祥木
责编：楚灵王
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
