猫眼影戏
 |
|
猫眼影戏
姚振发
手机审查
猫眼影戏记者 戴立为 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1：9.1火影忍者奖励网站
??01月07日,中新人物｜潘展乐：嘲讽和欢呼，在水里都听不见,
我县教育面临一个难堪的生长机缘期 ，一方面是“十二五”国家对西藏教育投入的力度加大 ，另一方面是国检以及近几年来索县教育的沉淀 ，这些为索县教育跨越式生长提供了很好的条件。我们要在“十二五”时代实现索县教育的跨越式生长 ，就必需在牢牢捉住“一个要害点”的同时 ，增进“三个生长” ，这个要害点就是着眼于久远的战略结构和着眼于未来的内在生长两者的有用连系 ，即在教育结构调解的同时 ，增进学校质量提升的做法要跟上 ，我们现有的教育资源基本上可以包管学生的入学需求 ，但质量不高 ，无论是教学硬件上照旧软件上 ，无论是教育理念照旧详细的教育治理和实验方法上 ，这些都要求我们在教育结构的同时起劲提高质量 ，在规范的同时追求内在生长 ，切实做好量的扩充向质的提升的转变 ，追求规 ；蜃非笙改寤淖 ，由简单的教育系统向多元化的教育系统的转变 ，教育不可期待 ，天天都要在改变、在立异、在前进。“三个生长”是学校生长、西席生长和学生生长 ，归根结底是学生的生长 ，这是我们一切教育事情的起点和归宿。今年是中国共产党建设90周年 ，西藏清静解放60周年 ，是“十二五”开局之年。今年也是中国特色社会主义主题教育活动“转头看”和“下层建设年” ，今年又是周全落实天下教育事情聚会和教育妄想纲要精神的要害的一年 ，做好今年的各项事情对我县以后五年到十年教育刷新与生长具有十分主要的意义。依据以上的思索 ，20xx教体局的主要事情为：
,cekc高清BNДeo。??01月07日,【新春走基层】甘肃积石山：肖红坪村年味浓,
一、既要有刻意 ，更要有要领。
,美女网站视频永久观看,国语自产精品视频在线区,超碰精品97在线。??时势2：国产精品女A片爽免费视频
??01月07日,新疆阿克苏地区乌什县发生7.1级地震 新疆多地震感强烈,
列位校友：50年前线位以母校为荣 ，今日母校以列位校友为自满!由于你们是行业的主干 ，社会的精英 ，祖国的栋梁 ，师弟师妹们的楷模!学校祝贺你们的乐成 ，分享列位的喜悦!
,黄片18啊啊啊不要不要好爽,英法r18车长,铜仁 动漫 乳头 无尽。??01月07日,道中华丨拉祜族好男人花,
要进一步完善党内民主集中制、行政效能监察制、重大事项制 ，继续牢靠和深化制度建设效果 ，增强党风廉政建设制度的督查落实。捉住规范权力运行这个重点 ，编好“清静网” ，织密“防护网” ，突破“关系网”。现在有个体所谓“精明”的商人 ，既是市场竞争的“里手” ，也是拉人下水的“能手”。我们的向导干部应善于自我给自我立规则、自我给自我定框框、自我给自我不利便 ，秉持公心 ，主持公正 ，坚持果真 ，经由自我控制、自我约束、自我规范 ，不让自我有半点搞生意的杂念 ，不给别人有半点笼络你的时机。
,午夜凸凹a片,人人摸人人操碰,全网免费A片在线观看网址。??时势3：婷婷五月最新黄色网址
??01月07日,俄“雅库特”号核动力破冰船进行海试,
那块巨石谁能撼动 ？通常用来晾晒肉干、兽皮等 ，重大的惊人 ，现在却泛起在了小不点的手中 ，震撼人心。
,18进禁网站,貂蝉拿黄瓜x自己,99re视频在线观看视频在线观看。??01月07日,激发活力 释放动能 ——毕节大力促进人力资源开发,
他们见到了蛟鹏几人的战斗 ，都悄悄咋舌 ，将骨文的实力掌握的这么好 ，让一群孩子很羡慕。很快 ，他们的注重力又被转移了 ，看到了变异的鳞马——独角兽 ，全身鳞片银光闪闪 ，头上的独角晶莹透亮 ，神骏非凡。
,97chaopeng.com,原神同人18 动漫免费天堂完整,校霸好大坐不下去漫画。??时势4：捆绑 调教视频在线观看
??01月07日,广州海关开展校园普法活动 缉毒犬亮身手受欢迎,
“糊了 ，糊了！”他一直揉着屁股 ，全身漆黑 ，只有一双大眼睛骨碌碌 ，很是的灵动 ，其余各处跟涂了炭一样平常 ，像是一只皮猴子。
,中文字幕 有限公司 视频一区,猛男资源裤,国内精品久久国产。??01月07日,吉林将选派一批“科创专员”协助企业创新发展,
低碳生涯着实很简朴 ，只要我们不铺张 ，就能为大自然节约一些能源资产 ，为地球做一件好事 ，低碳生涯只是一种态度 ，而不是本事 ，我们应从节电、节碳、节油、节汽、节水这种小事做起 ，低碳生涯是我们要建设一种绿色生涯方法 ，只要我们行动就能够靠近低碳生涯 ，甚至是抵达低碳生涯的标准。
,欧美在线二区,9v2嗉婥C,韩国黄色视频免费。【最高人民法院发布涉农民事典型案例】
责编：蔡力珍
审核：费尔南德斯·迪亚兹
责编：郭淑珍
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
