跳到正文
arXiv · 机器人与计算机视觉· Haozhan Shen, Liangbo He, Jun Lan, Huijia Zhu, Weiqiang Wang, Tiancheng Zhao, Jianwei Yin·· 8 天前AI 评分59

ZoomGain:挖掘全局至局部感知差距以构建细粒度视觉监督

ZoomGain: Mining Global-to-Zoom Perception Gaps for Fine-Grained Visual Supervision

AI 导读

针对细粒度视觉感知难以标注的问题,该方法利用大模型在放大后能识别细节的特性,构建从全图提问、仅靠局部信息验证的数据管道。由此建立包含 1000 题的双语基准 ZoomGainBench,28 个 VLM 最佳得分仅 61.08。基于该数据微调后的 9B 模型在多项感知基准上超越数百亿参数模型,HR-Bench 4K 得分为 90.25。代码与数据已开源。

来源:arXiv · 机器人与计算机视觉 · arxiv.org