跳到正文
arXiv · 机器人与计算机视觉· Muhammad Talha·· 23 天前AI 评分73

LOCUS:一次定位,直至收敛——基于框头与坐标 Token 验证的视觉 grounding 草稿 - 验证方法

LOCUS: Locate Once, Check Until Settled. Draft-and-Verify Visual Grounding with a Box Head and Coordinate-Token Verification

AI 导读

论文提出 LOCUS 框架,利用回归头作为推测器生成坐标 token,并通过共享骨干网络进行 Jacobi 迭代验证,将平均解码步数从 18.46 降至约 5.60。在 RefCOCO、RefCOCO+ 和 RefCOCOg 数据集上,该方法使 Locus-2B 的 [email protected] 从 54.87% 提升至 59.13%,且在参数不超过 3B 的模型中优于 Florence-2-L。

来源:arXiv · 机器人与计算机视觉 · arxiv.org