跳到正文
arXiv · 机器人与计算机视觉· Yutong Yang, Zhuqi Liu, Mouxing Yang, Xi Peng·· 2026-10-12AI 评分62

从粗略浏览到聚焦:缓解 MLLM 细粒度识别惰性的方法

From Glance to Focus: Mitigating Recognition Laziness in MLLMs for Fine-Grained Recognition

AI 导读

论文提出 LIVE 框架以解决多模态大语言模型(MLLM)在细粒度视觉识别中存在的‘识别懒惰’现象,即未能充分关联视觉线索与类别概念。该方法无需额外训练,通过查询自适应候选推理构建紧凑可靠的候选列表,并挖掘类内特征与类间差异构建特定技能引导,根据识别不确定性选择性地调用详细指导,从而提升 MLLM 的细粒度识别能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org