跳到正文
arXiv · 机器人与计算机视觉· Junzhe Shi, Yuan Gan, Shida Jiang·· 2026-10-08精选AI 评分83

VLM 为何会漏掉小物体以及何时缩放是安全的

Why VLMs Miss Small Objects, and When Zooming In Is Safe

AI 导读

该研究提出基于视觉 token 数量与覆盖内容的理论框架,解释了 VLM 在大图像中漏检小物体的原因及缩放操作的代价。实验表明,局部分解策略在满足特定重叠条件下不会降低召回率,且在某些场景下能提升效果。材料为预印本论文,未涉及真实机器人部署或产品发布。

推荐理由

理论界定了大图像中漏检小物体的根本限制,并证明局部分解策略在特定条件下可无损提升召回率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org