跳到正文
arXiv · 机器人与计算机视觉· Tianrun Xu, Yue Sun, Qixun Wang, Jingyi Lu, Yuan Wang, Tianren Zhang, Longteng Guo, Fengyun Rao, Jing Lyu, Feng Chen, Jing Liu·· 20 天前AI 评分38

SLVR 模型通过语义增强潜空间推理提升视觉任务鲁棒性

Semantic-Enriched Latent Visual Reasoning

AI 导读

SLVR 提出两阶段学习框架,利用细粒度属性监督构建约 400K 区域级标注与 800K 问答样本的 SLV-Set 数据集。该方法引入 Multi-query Group Relative Policy Optimization (M-GRPO) 对齐多查询潜表示,并在 SV-QA 基准上验证了相比现有基线更优的鲁棒性与语义一致性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org