猫眼影戏
 |
|
猫眼影戏
德里克
手机审查
猫眼影戏记者 李淑一 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：人人拍人人操在线
??01月07日,香港旅游焕发新活力,
数十年来，石云峰多次持骨叩拜柳树，举行祭祀，可是却始终没有获得柳树的回应，甚至不知它可以举行神念相同。
,馃悡馃崙。??01月07日,韩媒：韩国国会门前正在发生对峙,
致辞建党90周年来临之际，我们常兴村网站现已开通，我谨代表常兴村党总支、村民委员会，向全村的尊长乡亲，致以热烈的祝贺和亲热的慰问!对全村的、群众、加入新农村建设各项事业的朋侪们致以优异的祝愿。对多年来给予我村新农村建设提供支持和资助的单位体现衷心的谢谢!
,黄色性视频,一级电影大全,国产深喉视频一区二区。??时势2：人人添人人澡人人澡
??01月07日,发挥高校特色优势，助力乡村文化振兴,
这次消防培训是一次全体教职工的清静教育学习，它不但让教工们学到和掌握到了一些适用的消防知识和要领，还进一步增强了每小我私家头脑中居安思危、“防患于未然”的，对校园平安、人人有责、清静提防、防微杜渐起到强化和增进作用。
,一级A片自慰女人自慰看片,美女裸身无遮挡,性色一级A片。??01月07日,【冰雪春天】-30℃“保命穿搭”卖爆，冰雪游捧红了不止一个产业, 凭证排名，日本、伊朗和韩国队位列18强赛第一档。亚足联官网12日高度赞扬日本队：“在36强小组赛阶段6战全胜，打进24球未失一球。”日本队在最后一轮小组赛以5∶0轻取叙利亚队。别的，亚足联官网以为，伊朗和韩国队都在36强赛中体现出强盛竞争力。而第二档的澳大利亚、卡塔尔和沙特队同样实力不俗。澳大利亚队以打进22球不丢一球的战绩拿下6连胜，卡塔尔队坚持不败，沙特队在最后一场小组赛中以1∶2不敌约旦队。伊拉克队以全胜战绩领衔第三档球队，而乌兹别克斯坦和阿联酋队也在36强赛中坚持不败，约旦、阿曼和巴林队这三支第四档球队都提前从36强中突围。,WWW色屁屁屁,污黄应用,干屄视频欧美日韩。
??时势3：性av网站网址
??01月07日,探访宁夏葡萄酒庄园 台胞点赞产业发展,
真的逾越了，谁人小小的身影如天神一样平常，眸子中神光爆射，穿云破雾，如两道闪电划破长空。
,污污污污污成人黄色色情网站下载app,亚州一级片,两根ji巴挤在学内相互摩擦。??01月07日,国台办主任宋涛为海峡两岸青少年棒球邀请赛开球 与台湾球员互动,
大魔神并不嗜杀，死的人不算许多。而武王以为尚有时机，他若是突破现有的境界，也许还能令这些人回复。
,性爱欧美在线,8x性爱一级视频电影,中文字幕无码视频在线网站。??时势4：gay男同免费看视频网站入口
??01月07日,2024年中日韩展望小组对话会在韩国首尔举行,
农村经济生长形势逼人，生长既是时代的主题，又是村民对村干部的殷切期盼，这就要求村级干部必需把生长作为兴村富民的第一要务，提高生长经济的能力和本事，夯实为解决村民现实难题和办理种种公益事业的经济基础。村级干部要增强生长意识，提高生长经济的能力，首先，事情中要对农民有情绪。手别长、嘴别馋、身别懒，事情要有公心。要有恒久驻足农村的事业心。农村事情苦累自不必说，村干部要做好受苦受累的准备，要有恒久扎根农村的妄想，只有这样才华包管经济生长的一连性和稳固性。要实着实在地弯下腰为农民办实事，不要只做外貌文章。其次，要有义无反顾、扎实事情的劲头。面临事情量越来越大，要求越来越高的事情使命，农村干部必需树立“扎扎实实，求真务实，真抓实干”的事情作风。不管看待哪一项事情，要一办究竟，不可外貌应付。特殊是向群众允许了的事，必需立说立行，有诺必践，守信于民。要求一样平常和群众做到的，村干部要带动首先做到。喊破嗓子，不如做出样子，群众的眼睛是雪亮的，你不起树模带举措用，群众就会盯着你，你就会影响一大片，你怎么去做群众事情。第三，村干部要学会新形势下的致富本事，真正成为农民的领路人。凭证“三个代表”主要头脑的要求，新时期农村干部的先进性和模范带举措用，应该集中体现在致富奔小康上，体现在向导群众配合致富上。让群众发财致富，而我们自己家里穷得叮当响，我们尚有什么资格，还怎么向导群众致富。我们宽大村干部，应该想富、敢富、会富，首先要成为外地的致富强人，成为工业生长的带动人，给群众做出模范。特殊是村支部书记、村委会主任都要靠自己的忠实劳动和创业，成为农村先富起来的模范。只有这样，村党支部、村干部在群众中才华有威信。不可像已往一样只顾笃志苦干，窝在本村图生长。要增强学习先进的经济知识，增强闯市场的本事，向导农民生长优质高效农业;要能从本村现实出发，选准选好生长经济的路子，既能自己带动致富，又能向导群众配合致富;要学会施展优势找蹊径，因地制宜抓生长，宜工则工，宜农则农，宜商则商，一直拓宽农民致富渠道。特殊是要跳出农业看农业，起劲招商引资，鼎力大举支持生长民营经济，注重学习经济蓬勃地区的先进履历;要争做社会活动家，为农村剩余劳动力找到出路，成为农民与外界联系的 “桥头堡”，最终向导农民走上配合富足的蹊径。
,97超碰在線公開免費,一级纯黄片,亚洲AⅤ免费在线。??01月07日,民政部：大连新机场命名为大连金州湾国际机场,
作为班主任，首先要至心爱学生。只有至心爱学生，才华至心教学生。我们要把学生看成我们的子女，我们的兄弟姐妹。我们只有融入到学生之中，才华相识学生的需要，才华引发学生的情绪，班主任才华有凝聚力。为什么学生怕班主任，就是由于班主任和学生打交道多，对学生相识。学生进入结业年级，想的问题多了，头脑重大了，这就需要班主任做大宗的头脑事情。现在都是平行班，班主任不要把眼光只放在效果好的学生身上，班主任要把更多的精神放在中等生和学困生身上，中等生效果提高了，学困生效果上升了，班主任也就乐成了。
,亚洲a级免费,国产高潮流白浆喷水免费视频,国产精品区在线。责编：德鲁·巴里摩尔
审核：常士煜
责编：廖志明
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
