跳到正文
arXiv · 机器人与计算机视觉· Chang Liu, Henghui Ding, Tong Yang, Dayoung Kil, Seong-heum Kim, Qilin Xiang, Ronghao Zheng, Ziyang Zhang, Shanlin Jiang, Ruohan Shi, Qilin Fan, Chengfeng Qiu, Kaifeng Wei·· 6 天前精选AI 评分78

第 8 届 LSVOS 挑战赛:移动统一多模态理解报告

Report of the 8th LSVOS Challenge: Mobile Unified Multimodal Understanding

AI 导读

本报告总结了与 ECCV 2026 联合举办的第 8 届大规模视频目标分割(LSVOS)挑战赛中,关于移动统一多模态理解(MUMU)轨道的评测结果。该任务要求单一模型在 0.5B 参数和 8 GB 推理显存预算下,同时完成质量/场景/事件词汇的多概念图像标签、开放词汇目标检测和简洁图像描述。

推荐理由

报告总结了 ECCV 2026 LSVOS 挑战赛中 MUMU 轨道的评测结果,展示了在 0.5B 参数预算下基于 Florence-2-base 的统一多模态理解方案。

来源:arXiv · 机器人与计算机视觉 · arxiv.org