猫眼影戏
 |
|
猫眼影戏
彭某生
手机审查
猫眼影戏记者 张森文 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：男人把香蕉塞入女人的屁股里
??01月03日,“守护与传承——阜新市政协文史馆北京木刻版藏文古籍文献精品展”在北京开幕,
“在这片大荒中 ，我算是一个天才 ，可又出了一个你 ，不过现在没什么了 ，小崽子我送你上路 ，竣事这短暂而又可悲的一生吧。”狈风神色有些恐怖 ，向前迈步。
,婷婷五月天之另类片国产二区。??01月03日,国产“三蹦子”在国外火了，背后有哪些启示？,
“再战！”
,护士被扒开衣服,黄色电影A片,欧美激情.com。??时势2：中文字幕 在线 日韩
??01月03日,中新健康丨中疾控：新冠疫情可能在本月出现回升,
“轰”的一声 ，药鼎震惊 ，喷薄出成片的霞光 ，朱厌血将整座鼎都染成了淡金色 ，药液强烈欢喜。
,aa三级黄片,第一色在线,男生女生一起差差差APP。??01月03日,江西全省开展违规收送茅台酒等高档烟酒专项整治,
山峰上 ，远远寓目这里的石村众人神色发白 ，他们也曾想到可能会有凶兽来争取狻猊王的遗体 ，却未曾想会有这么多。
,韩国GayfackXXXⅩGay2,美国摘花XXXX视频,女人张开双腿男人猛戳出白浆。??时势3：男男黄
??01月03日,外交部：期待并鼓励中美两国人民多走动、多往来、多交流,
“你云云凶狂 ，就不怕有伤天和吗？”雾霭中传出这样的声音 ，铁棍再次横击。
,欧美在线一二区,日韩一级黄色A片,XXXXXL19DFM2021说明书使用说明。??01月03日,互指对方违反停火协议 以军同黎真主党再交火致多人死伤,
市、县(市)区档案馆连系__市社会经济生长软情形建设事情 ，起劲创立条件 ，加速档案效劳机制立异程序 ，以效劳民生为重点 ，一直富厚档案事情效劳阵势的内容和手段 ，提高效劳水平。市、县(市)区档案局馆向社会作出了效劳允许 ，实验档案查阅使用零收费效劳 ，限度地知足各级向导、各部分和社会各界使用档案的需要 ，为向导决议、落实政策、解决土地纠份、劳感人事、人为福利、编史修志等各项事情提供了大宗的档案信息资源 ，取得了优异的社会效益。市、县(市)区综合档案馆认真推行局馆果真效劳允许 ，共接待查阅使用者59864人次 ，调阅档案57586卷 ，复印档案质料12293页。市城建档案馆建设一站式效劳窗口 ，自觉接受社会和群众的监视。认真推行档案局效劳允许 ，建设电话预约、网上盘问档案效劳 ，市、县(市)区综合档案局馆划分接听电话预约300余人次、网上预约20余人次 ，并实时举行了回复。市档案馆接待使用岗被评为天下巾帼文明岗、__市巾帼文昭树模岗。市、县(市)区综合档案馆共吸收差别门类档案共计47590卷 ，吸收20__年度市级机关电子公牍和档案文件级条目数据7000多条 ，原文数据10000多页 ，数字化照片档案3100多张。市、县(市)区综合档案馆划分填报了国家重点档案抢救与；せ厩樾问硬毂 ，完成了重点档案抢救；な虑 ，其中：市档案馆完成了400卷的抢救使命。充分验展爱国主义教育基地的作用市、县(市)区综合档案馆共接待了省、内外考察团共30余批、14000余人次 ，并互赠了编研效果。
,IPX-590,两性午夜刺激爽爽视频大,欧美最猛性XXXXX69。??时势4：操农村老年妇女骚屄视频
??01月03日,“赞米亚”学说是什么，为什么反对它？｜“正道”专栏之②,
6、在游泳中 ，若小腿或脚部抽筋 ，万万不要恐惧 ，可用力蹬腿或做跳跃行动 ，或用力推拿、拉扯抽筋部位 ，同时召唤同伴救助。
,强奸乱伦影音先锋,18岁以下禁止进入的黄色网站,久久r视频只有精品。??01月03日,港澳人士游南沙系列活动邀澳门学生深度体验南沙,
州里党委是党的在农村事情的主要的战斗堡垒 ，是联系效劳群众的主要环节 ，肩负着农村下层社会治理和公共效劳的主要职能。随着工业化、城镇化生长一直加速 ，州里党委还肩负增进经济生长 ，推进社会协调 ，维护社会稳固等主要使命。省委、省政府作出“两转变一个推进”的战略安排 ，我市提出“三个加速一个突破”的对策步伐 ，无论是工业、效劳业、旅游业 ，照旧基础设施建设 ，都与州里事情亲近相关 ，特殊是加大基础设施建设力度 ，用地矛盾突出 ，给州里事情带来较大压力。凭证省委、省政府指定的目的要求 ，XX市农村经济社会生长面临难题的使命 ，我以为 ，主要保存以下几个方面的硬使命。首先 ，“”末要实现由 “大都会、大农村”的名堂向城镇化率75%的目的 ，实现新农村建设的跨越式生长 ，压力重大。其次 ，推进农业工业化生长 ，着力生长现代高效农业、生态农业 ，增添农民收入。第三 ，配合工业化、都会化生长 ，加速第二、三工业配套效劳 ，创立新的经济增添点 ，扩大农村就业。要完成好这些艰辛的使命 ，州里党委班子必需坚持做好以下点：
,日本三级片黄色,久久久AAA片,在线视频综合一区二区。【红十字国际委员会解读国际人道法规定的战争五项规则】
责编：董浒
审核：王耀华
责编：周洪宇
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
