跳到正文
arXiv · 机器人与计算机视觉· Qixiang Chen, Cheng Zhang, Chi-Wing Fu, Jingwen Ye, Jianfei Cai·· 10 天前AI 评分72

OpenView:赋予 MLLMs 图像外视觉问答能力

OpenView: Empowering MLLMs with Out-of-view VQA

AI 导读

论文提出了 OpenView,这是首个研究图像外(OOV)理解能力的框架,旨在让多模态大语言模型推理可见帧之外的物体、活动与场景。该方法包含四阶段流程,利用全景图像合成大规模多样的多选 VQA 数据,并构建了 OpenView-Dataset 数据集和 OpenView-Bench 基准以评估选择准确率与推理合理性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org