arXiv · 机器人与计算机视觉· Mingcheng Zhu, Wentian Xu, Tao Lin, Shiying Duan, Ziyun Liang, Xuecheng Qi, Junyang Chen, Kuo Li, Zhifan Wan, Dong Wang, Richard Wang, Yang Gao·· 12 小时前AI 评分59
VLM 引导的通用指代理解专家:融合上下文表征与空间预测
VLM-guided Grounding Expert for Generalised Referring Expression Comprehension
AI 导读
针对现有 grounding 专家对指令变化敏感、生成式 VLM 难以完整恢复目标的问题,该研究提出 VLM-guided Grounding Expert(VGE),通过逐层联合注意力机制将冻结 VLM 的上下文表征与可训练的空间预测能力结合。
来源:arXiv · 机器人与计算机视觉 · arxiv.org