跳到正文
arXiv · 机器人与计算机视觉· Yoha\"i-Eliel Berreby, Sabrina Du, Audrey Durand, B. Suresh Krishna·· 6 天前精选AI 评分78

CanViT:迈向主动视觉基础模型

CanViT: Toward Active-Vision Foundation Models

AI 导读

论文介绍 Canvas Vision Transformer (CanViT),这是首个任务与策略无关的主动视觉基础模型 (AVFM)。该模型利用场景相对 RoPE 结合视网膜视觉骨干网络与时空图景全局潜在工作区,并通过 Canvas Attention 机制实现高效交互。

推荐理由

提出首个任务与策略无关的主动视觉基础模型 CanViT,在低分辨率瞥视下实现优于现有模型的分割精度与推理效率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org