猫眼影戏
 |
|
猫眼影戏
郑雪姬
手机审查
猫眼影戏记者 张永文 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？榛杓疲荚诮Ｗ拥耐评碛胝雇芰怦睿⒏ㄒ远嘀帜？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？榛杓疲琕Gent 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：久久黄色毛片
??01月03日,香港天文台发出红色暴雨警告信号,
最后，希望通过这次培训，同志们真正能够实现看法上有新生长、作风上有新面目、能力上有新提高、事情上有新效果。 强化居安思危的意识，形成艰辛斗争、真抓实干的作风，形成团结协作、争创一流的作风，以越发兴旺的斗志、越发科学的态度，乘势而上，拼搏进。饲诺慕ㄉ枋乱担嗣竦母蛔惆部担墒执蟾桑⒐α⒁担戳⑿鲁杉ǎ煨卵だ!
,日韩欧美亚性爱精品。??01月03日,“小东北虎”勇闯山西感受“晋味中国年”,
早上好!三月，是春风温暖、万木吐绿的优美月份，春天是漂亮的，生涯是优美的，而生命更是可爱的。今天是第27个天下中小学清静教育日，今年的主题为我清静，我康健，我快乐。接上级通知，3月31日(明天)18︰00-18：30，湖南卫视《新闻大求真》栏目将播出以中小学清静教育为主题的节目，请通学生在家与怙恃配合寓目，投止生在校统一收看。
,掀起裙子打屁屁撅屁股sp,爱蜜莉雅本子,玖辛奈 自慰爽naruto。??时势2：在线美女h视频在线观看网站
??01月03日,中方对肯尼亚近日遭受严重洪涝灾害表示诚挚慰问,
要进一步破除制约城镇化生长的规章制度，修建城镇化生长的体制平台。一是建设城乡一律就业制度。继续整理限制农民进城就业的歧视性政谋划定，不得对外来职员进城从业设置障碍。党政机关、企事业单位在招录和事情职员时，不得举行户籍或地区限制。实验身份证治理，不得对外来职员从业设置任何歧视性的挂号项目。作废对外来从业职员及其用人单位的不对理收费。二是严酷劳动执法监察。严酷执行同工同酬和最低人为标准制度，严肃查处拖欠、克扣人为行为。三是强化就业和创业培训。整合种种培训资源，实验农村劳动力转移“阳光工程”。健全劳务输出网络，增强劳动力市场信息网络和人才资源库建设，建设成建制劳动输出基地，指导城乡富余职员有组织、成建制的劳务输出。给予返乡创业者与外资外商同期待遇，推动“回归工程”进一步生长。四是刷新户籍治理制度。逐步破除农业和非农业户口二元制治理模式，推行按现实栖身地举行挂号的户籍治理制度。五是加速“城中村”及近郊无地少地住民的转户程序。“城中村”和人均耕地少于亩的近郊住民，可凭证自愿转为城镇户口，纳入城镇统一治理。“城中村”和近郊转户住民在一定限期内可继续享受原整体的福利待遇，承包的土地和正当宅基地可以保存。六是完善社会包管制度。外来从业职员和“城中村”及近郊转户从业职员要纳入社会包管规模。用工单位或雇主必需为其办理城镇职工基本养老包管、医疗包管和工伤包管。同时，起劲生长城镇基础教育，刷新城镇医疗卫生条件，切实解决好群众看病难的问题。
,91 蘑菇,欧美三级视频播放在线观看网址,惩罚女仆打屁股模拟器。??01月03日,2024年“读懂中国”国际会议在广州举行,
我相信在我们的配合起劲下，我乡小学结业班教育教学质量将会有力提高，更相信我们在坐结业班先生不负众望，团结协作，为自己所做起劲收到最好回报而不懈起劲！
,精品无码国产污污污网站,熟妇性按摩偷拍富婆,色操综合。??时势3：44444Kkk
??01月03日,“熊猫叨叨·我与中国的故事”高校国际学生中文演讲大赛决赛在沪落幕,
这等情形说出去，没有几小我私家会相信，一个孩子罢了，竟敢深入远古遗种的巢穴，做出这等惊人的大事。
,nba休内谢精一汇编6的特色和优势,欧美做受 高潮黑客,校花主动脱 让我 网站。??01月03日,福州：市民“大众茶馆”尽享假日美好时光,
优异的作风，是向导干部赢得民心、成绩事业的基础。在全镇促生长、保稳固、保民生的要害时期，进一步强化干部作风建设，建设一支高效、勤政、务实的干步队伍，显得尤为主要。
,人人人人摸人人干,鸡巴怪物,欧美A三级在线视频。??时势4：被同学粗大的 巴进出
??01月03日,大风蓝色预警继续！福建广东沿海等地部分地区阵风可达7至8级,
二是要增添新知识和新本事。在市场经济条件下，农村事人情临着许多新形势、新使命，在这种情形下，各人要注重提高自身素质，一直顺应新时期经济生长的需要。详细讲就是要提高驾驭市场经济的能力，提高带动致富能力，提高向导群众致富的能力，提高新形势下做好农村事情的能力，以顺应农村新形势的转变和需要。同时村干部还要成为全村脱贫致富的带动人。村干部带动致富有这么几点利益：首先，能施展典范树模作用Ｏ虏愀刹肯雀黄鹄戳耍呕玫叵虻既褐谂浜现赂。其次，带动致富才有实力扶贫济困，才华树立村干部的威信，亲近党群干群关系。其三，带动致富能规则党风，树立清正清廉的好形象，也更容易赢得群众信任。希望在座的村干部都能依赖科学、勤劳和遵法谋划带动致富，起劲成为自身致富能力强、向导群众配合致富能力强的“双强”干部。
,免费性爱视频亚洲无码,最新免费的黄色网站,鲁大师在线高清在线观看免费。??01月03日,京西电竞节开幕 设置《黑神话：悟空》线下体验专区,
小不点像是扔死狗一样平常，将他丢在村头，石林虎上前，一只大脚踏在了他的胸膛上，吼道：“你不是嚣张吗？”“
,性爱自拍偷拍视频网站,一级视频美女,双腿吊起各种玩具高H男男。责编：江兰
审核：乌塔卡
责编：卡莉·巴克
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
