arXiv · 机器人与计算机视觉· Xiongtai Yang, Ziyan He, Tao Wang·· 2026-10-15AI 评分72
SCVIB:可编辑状态条件视觉实例绑定用于多轮个性化定位
SCVIB: Editable State-Conditioned Visual Instance Binding for Multi-Turn Personalized Localization
AI 导读
arXiv 发布 SCVIB 基准,包含 1050 对支持 - 查询对和 1500 个多轮片段,研究状态依赖的源相关性。直接推理 Qwen3-VL-8B 在目标识别上准确率达 99.53%,但联合定位仅 62.00%;提出的 TT-VG 框架通过显式状态路径和视觉证据适配,将联合指标提升至 69.80%,显著改善了证据利用与查询侧定位的瓶颈。
来源:arXiv · 机器人与计算机视觉 · arxiv.org