跳到正文
arXiv · 机器人与计算机视觉· David Yan, Le Xue, Forrest Huang, Qiuyi Zhang, Dustin Tran, Andrew M. Dai, Yinfei Yang·· 13 天前AI 评分44

BrickVision 基准与 grounded reasoning 在视觉推理中的效用分析

Where and Why is Grounded Reasoning Useful?

AI 导读

Grounded reasoning 通过输出思维链中的文本坐标解决复杂视觉问题,但研究显示其在计数任务有效,对广泛的空间推理基准无显著增益。现有基准多依赖可描述文本参考,难以覆盖不可描述的视觉概念,为此团队引入 BrickVision 新基准填补差距。该研究通过消融实验验证了 grounded reasoning 训练策略的局限性及特定场景下的适用性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org