跳到正文
arXiv · 机器人与计算机视觉· Qingyun Liu, Yuankun Liu, Jiaye Feng, Jie Huang, Zonghong Dai, Haochen Li, Jingkun Wang, Weiping Li, Tong Mo·· 13 天前AI 评分68

PSGAgent:通过智能体推理增强 MLLM 的动态视觉感知以生成全景场景图

PSGAgent: Enhancing MLLMs' Dynamic Visual Perception for Panoptic Scene Graph Generation via Agentic Reasoning

AI 导读

针对当前多模态大语言模型在复杂关系推理中存在的静态观察局限,本文提出 PSGAgent 框架,利用区域缩放和视觉高亮工具实现动态感知优化。研究构建了高质量思维链数据集并设计了分层奖励机制,实验表明该方法在全景场景图生成基准上达到最先进水平,相关成果已获 ACM Multimedia 2026 录用。

来源:arXiv · 机器人与计算机视觉 · arxiv.org