跳到正文
arXiv · 机器人与计算机视觉· Yilin Wang, Xin Yu, Xinyi Guo, Xiangxi Zheng, Dongxing Mao, Linjie Li, Zhengyuan Yang, Alex Jinpeng Wang·· 13 小时前AI 评分72

ReSynth:构建用于多图理解的合成监督信号

ReSynth: Constructing Synthetic Supervision for Multi-Image Understanding

AI 导读

针对视觉语言模型难以关联不同视角图像的难题,该研究提出 ReSynth 方法,结合 Qwen3-VL-8B 的感知能力与 Qwen-Image-2.1 的生成编辑能力,通过局部编辑和视角生成分配前后可比及多图关系数据。

来源:arXiv · 机器人与计算机视觉 · arxiv.org