猫眼影戏
 |
|
猫眼影戏
薛蓉
手机审查
猫眼影戏记者 穆继昌 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：美女色黄乱码视频
??01月07日,遇见丨中国“低碳”丝绸出圈法国时尚界——莨绸时尚设计师梁子三亚海上旅游人气火爆 游艇排队出海,
五要体现与时俱进。新一届的村党(总)支部书记、村主任绝大大都都是连选连任 ，虽然都有富厚的履历 ，但一些头脑方法、促生长的思绪已跟不上时代和生长的需要 ，这就要求我们进一步解放头脑 ，与时俱进 ，把自己的头脑境界提升一个条理 ，面临新形势下镇村干部面临的使命 ，尤其是通过在经济转型期面临的种种重大时势 ，彻底转变用已往的老要领、老头脑事情和处置惩罚问题的被动时势 ，变头脑、变要领 ，顺时乘势、尽职尽责 ，为构建协调板桥、推动全镇经济社会又好又快生长做出应作的孝顺。
,又爽又黄又大又硬免费视频。??01月07日,聚焦服务精准化 陕西多部门联动为民营企业“聚才引智”,
从某种意义上说：学习能够统一头脑 ，凝聚人心;学习可以是非分明 ，同时学习可以提高修养 ，净化人格。只有学习理论 ，掌握政策 ，我们在现实事情中 ，才华知道哪些话能说 ，哪些话不可说;才有知道哪些事情该干 ，哪些事情不应干 ，才华知道怎样把事情办得更好 ，更切合现实、更切合群众愿望。有了较好的政治理论修养和政策水平 ，在现实事情中 ，才华把原理说清晰 ，让群众听明确 ，把党的意志酿成群众的行动。相反 ，若是自己政治理论水平不高 ，政策掌握模棱两可 ，讲话三两句 ，原理说不清 ，群众不明确;效果事情也就不可能落到实处 ，弄欠好群众还会有意见 ，有些干部原来是想为群众办妥事 ，但群众反而不领情 ，不配合 ，有些干部在处置惩罚一些问题的时间 ，本是出于盛意 ，但群众反而意见大了;有的干部在处置惩罚种种矛盾纠纷时 ，说不了几句话就发性情 ，不做耐心的头脑事情;有的干部群众向他反应问题 ，却背而不见 ，怕与群众晤面 ，怕接触矛盾 ，不知道问题如那里置 ，一筹莫展。听到这些问题 ，都是与我们少数干部政治理论修养不敷 ，政策水平不高有很大的关系 ，我们不要求各人什么都醒目 ，什么都掌握 ，但我们不可什么都不懂 ，什么都模模糊糊。因此我希望各人能增强学习 ，周全提高自身素质 ，学会用先进的理念破解生长中的难题 ，进一步提高科学决议的能力和现实操作水平。
,www.欧洲在线看,咚咚资源库,日韩免费网页版视频。??时势2：九级黄色99久久
??01月07日,天津伦敦“双城互动” 上演“海河邂逅泰晤士”天津时尚秀,
要把涂沟建设成为金湖的东大门 ，就要物质文明、精神文明两手抓 ，两手都要硬。近年来 ，我镇精神文明建设取得显著效果 ，但也保存不少问题 ，一些地方封建迷信沉渣泛起 ，黄赌征象时有爆发。在民主与法制建设方面 ，保存一些薄弱环节 ，社会治安尚不尽人意 ，有的下层干部民主意识不浓 ，法制看法淡漠 ，权要主义还保存 ，因而严重挫伤了群众的起劲性 ，影响了党群干群关系。要彻底改变这一状态 ，必需增强对村居干部的教育培训 ，增强政策法制教育 ，周全明确体会各项目的政策和执法要求 ，进一步增强执行政策和执法的自觉性和严肃性 ，从而施展村居干部的模范带举措用 ，增进社会民俗的好转 ，为我镇的刷新和生长创立优异的情形。
,WWW180亚洲性爱,不卡91精品人成在线观看,第四色色欧美。??01月07日,西藏那曲：酥油花“绽放”藏传佛教寺院琼科寺,
两委班子成员之间要善于相同 ，敏于协调 ，相同是凝骤人心 ，增进团结的法宝;协调是维护稳固 ，加速生长的良方。那里事情好那里的班子就强 ，越是在事情多、使命重、压力大的时间 ，越需要我们倍加顾全阵势 ，倍加珍视团结 ，倍加维护稳固。
,国产羞羞羞视频在线播放,亚洲无码在线观看网站,男人 伸到 坤坤眼里。??时势3：日韩欧美视频在线看
??01月07日,海口加密往返泰国曼谷和韩国首尔客运航线,
人人事事保清静 ，接纳科学治理手段 ，通过危险源的辨识 ，凭证效果的严重水平和爆发事故的可能性来举行危害评价 ，确定重大危险源 ，再举行重大危险源的有用控制和治理。为了贯彻我国《清静生产法》和执行《建设工程清静生产治理条例》的有关划定 ，必需制订本单位清静生产事故应急预案 ，建设应抢救援组织或者配备应抢救援职员 ，配备须要的应急器材、装备、并按期组织演练。清静生产是一项重大的系统工程 ，需要全员下手 ，综合治理 ，常抓不懈 ，只要清静在我们心中 ，没有战胜不了的难题。让我们配合起劲 ，心存清静 ，在建起一幢幢高楼的同时 ，也建起一座座平安的丰碑。清静 ，连着我和你 ，它在我心中 ，在你心中 ，在各人的心中。
,国产精品国产三级,啊啊啊好痛三级喷水视频三级,雏田 爆 动漫在线观看。??01月07日,淡水河谷与晋南钢铁集团拟携手在阿曼投资铁矿石选矿厂,
狈山拔出巨剑 ，冲向小不点 ，冷森森的冷光在山林中划过 ，五六千斤的臂力凶猛的惊人 ，双手轮动阔剑 ，像是劈出了一道闪电。
,99re99精品精品免费,越南未满禁片一级毛片在线看,欧美日韩在在线视频。??时势4：丝瓜草莓
??01月07日,美议员称支持乌克兰能使西方国家使用乌矿产 中方：说出了美方真实考虑,
两个天才快速逃避 ，唯恐被击中 ，只要擦着 ，肯定会骨断筋折！
,手机看片欧美亚洲日韩精品,九九出精品,八木悻电影。??01月07日,南宁至越南河内国际货运航线开通, 随着加入网球运动的人逐渐增多 ，中国网球的基础设施也在一直完善。纪宁告诉《环球时报》记者：“我们在做一个项目 ，在北京向阳区计齐整个‘大满贯网球文化公园’ ，将搜集所有大满贯要素。人们既能在此寓目全球顶级赛事 ，也能在园地上训练和角逐。”纪宁说 ，这仅是一个案例 ，但从中可以窥见中国网球运动基础设施越来越完善 ，也越来越专业化。作为体育工业的加入者与视察者 ，纪宁体现 ，不但北京 ，天下各地网球运动设施也生长得越来越好。,国产男女无遮拦视频猛烈,白上咲花在线,国产人碰人摸人爰视频。
责编：张大爷
审核：李远哲
责编：宁德梦
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
