arXiv · 机器人与计算机视觉· Xinran Nicole Han, Yiyang Lu, Katelyn Gan, Todd Zickler·· 2026-10-16精选AI 评分78
AdaLoop:利用视觉编码器进行思考
AdaLoop: Thinking with the Vision Encoder
AI 导读
该论文提出 AdaLoop 框架,解决现有视觉语言模型将视觉编码器视为静态特征提取器的局限。该方法根据问题自适应调整视觉计算深度并复用编码器的变换,同时冻结预训练权重。
推荐理由
提出 AdaLoop 框架,通过冻结预训练权重实现问题感知的视觉迭代计算,在 VisRO 数据集上超越微调与单次推理基线。
来源:arXiv · 机器人与计算机视觉 · arxiv.org