arXiv · 机器人与计算机视觉· Gabriel Sarch, Declan Campbell, Nicholas Budny, Kia Ghods, Katerina Fragkiadaki, Jonathan D. Cohen, Brenden M. Lake, Taylor W. Webb·· 12 小时前AI 评分58
Learning Grounded Reasoning from Human Gaze
Learning Grounded Reasoning from Human Gaze
AI 导读
arXiv:2611.23209 论文提出利用人类注视数据作为先验来引导 VLM 的视觉推理,在图表理解、视觉搜索和计数等任务中表现优于全序列监督。作者收集了 7,109 次人类注视试验并训练了 GGR(Gaze-Guided Reasoner)模型,该模型实现了更高的人类对齐度和更可靠的视觉定位,同时匹配或超越了领先的基线准确率。
来源:arXiv · 机器人与计算机视觉 · arxiv.org