跳到正文
arXiv · 机器人与计算机视觉· Zhongyuan Bao, Cunjie He, Lejun Zhang, Zenglin Xu, Yanwei Fu·· 17 天前精选AI 评分82

ReVEAL:从多模态大模型中激发角色感知的潜视觉证据以进行推理视频目标分割

ReVEAL: Eliciting Role-Aware Latent Visual Evidence from MLLMs for Reasoning Video Object Segmentation

AI 导读

论文提出了 ReVEAL 框架,旨在解决推理视频目标分割(ReVOS)任务。该方法将视觉证据令牌(VETs)引入视频推理过程,通过动态注意力层路由器聚合跨层的注意力,从而关联必要区域与目标、背景或干扰物的角色。

推荐理由

提出 ReVEAL 框架,利用 MLLM 推理中的角色感知潜视觉证据引导分割模型,无需跨模型对齐。

来源:arXiv · 机器人与计算机视觉 · arxiv.org