猫眼影戏
 |
|
猫眼影戏
艾哈迈德·尤
手机审查
猫眼影戏记者 杰克·郎 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：www.日本.con
??01月06日,医保三重制度为“健康中国”护航, 巴勒斯坦队、吉尔吉斯斯坦队与中国队同处第五档 。美联社12日称 ，巴勒斯坦队在巴以冲突的大配景下打进18强赛 ，为自己的国家送上令人振奋的好新闻 。巴勒斯坦队自2019年以来就没法拥有自己真正的主场 ，他们只能在科威特和卡塔尔举行主场角逐 。,十八岁一上看的黄片 。
??01月06日,热解读 | 新年大国会客厅 习主席再提中欧之“桥”,
在这个历程中 ，风雷滔滔 ，穿山甲强烈挣扎也无用 ，没有山地借力 ，它难以人立而起 ，不可伤到凶禽 。
,高清扣逼xxxx,美女脱 给我捏 野外,91热视频在线播放 。??时势2：裸阴无码护士
??01月06日,中国选手再次包揽冬青奥会金银牌 中国冰雪有望再现“谷爱凌”,
古往今来 ，清静一直是构建协调社会的永恒主题 。一个企业没有清静 ，就谈不上生长 ，一个家庭没有清静就失去了幸福 。清静关于企业和家庭是一律的主要 ，以是说 ，关注清静是我们每小我私家的义务和责任 。在这里 ，我要引用陇电分公司司理王世健的一幅清静春联来表达我对陇电清静生产齐抓共管优异时势的优美期盼 。即：上联是“用责任推进清静生产”;下联是“以协调构建齐抓共管”;横批是“生命为天” 。列位同仁 ，让我们配合为陇电的清静与生长 ，切记：清静!清静!再清静!!!在此 ，我要呼吁列位同仁——清静 ，从我做起;清静 ，就从现在做起!
,日韩一级电影网,国产特黄aaaaa毛片,男同操 。??01月06日,中外诗人角逐“放翁杯” 致敬爱国诗人陆游诞辰899周年,
首先 ，我们应该更好地配合学校 ，配合先生 ，催促孩子搞好临考前的温习事情 。最主要的是做好后勤包管事情 ，合理饮食 ，适度地增添营养 ，合理的安排作息时间 ，让孩子有一个康健的身体迎接中考 。孩子们冲刺中考 ，真得很累 ，家长和学校应该把孩子们的吃和喝安排好 ，不要让孩子们的身体受影响 。孩子的每一点前进都离不开先生的辛勤 ，我们做家长的为了孩子更要起劲配合先生 ，家长对教育的投资是最明智的投资 ，是回报率最高的投资 ，以是我想在座的每位家长都会专心琢磨一套适合自己孩子的教育要领 ，把精神更多的投入到体贴孩子的学习中去 ，和孩子配合起劲 。
,樱桃视频 入口在线观看网站,国产一级A片在线直播,91综合在线观看 。??时势3：玉莆田之偷亲宝殿
??01月06日,数读中国 | 我国社会物流成本水平总体保持下降态势,
(五)启动市区“一项攻坚、三项整治”行动 。“一项攻坚” ，就是要在市区开展违章修建拆除攻坚行动 。今年要围绕打造一批无瑕疵的精品街区这一事情重点 ，列出拆迁重点 ，把使命交到甘州区 ，甘州区要把使命细化落实到人 。“三项整治”就是要开展以情形卫生为重点的市容整治、以退路还市为重点的市场整治、以亮化美化为重点的风貌整治 。市容整治方面 ，要推行以环卫部分治理和专业步队准时定点清扫保洁、沿街门店单位和市民门前“三包”(包卫生、包美化、包秩序)落实、公益性援助岗位及都会低保职员起劲加入的都会情形卫生治理新机制 ，形成都会治理的强盛协力 。市场整治方面 ，要围绕退市还路 ，优先妄想建设一批小市场 ，让谋划者有市可进 。风貌整治方面 ，要把都会亮化纳入妄想治理 ，把亮化效果作为完工验收的一项主要指标 ，打造流光溢彩的都会夜景 。“一项攻坚、三项整治”行动由副市长余锋牵头 ，甘州区政府详细落实 ，春节前形成 ，年后付诸实验 。
,天干天干天干夜爽系列视频的特点,欧美日韩性爱小说图片视频,www.ee黄色视频影院.123 。??01月06日,飞雪、雾凇、梅花开：中国南北冬景各不同,
“我们也要去 ，看他究竟能不可破掉石毅的纪录！”
,成年男性黄色视频,亚洲黄色三级网站,国产男女猛烈无遮挡动态图 。??时势4：国产精品美女视频线专区
??01月06日,“功在当代 利在千秋——周恩来邓颖超与文物保护”展览开展,
“小不点别哭 ，我们都是你的兄弟 ，不要想不开心的事 。”一群孩子呼啦一声全都围了上来 。
,很黄很黄的黄片伊人,黄色视频久久网站,夫妻内射精品 。??01月06日,北京交管部门加大对“分心驾驶”处罚整治力度,
这头庞然大物非？植 ，铁翅击天 ，摧毁一切 ，鳞片闪灼着森寒的光线 ，一个俯冲 ，就让这片山林毁了泰半 ，碎木与残叶翱翔 。
,中文午夜乱理片无码AⅤ,久久的插,97久久久久亚洲高清专区 。责编：勒布朗-詹姆斯
审核：王小燕
责编：李成龙
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
