跳到正文
arXiv · 机器人与计算机视觉· Zhaojie Chen, Junyan Yang, Le Yang, Qi Dang, Yucheng Huang, Qianyi Che, Zhaoqiang Chen, Xinqi Zhu, Qiang Zhao·· 12 小时前AI 评分58

语义引导的几何解码用于高效视觉定位

Semantic-Guided Geometric Decoding for Token-Efficient Visual Grounding

AI 导读

SemGeo 是一种高效的视觉定位框架,利用单个网格 token 进行粗略定位,并通过几何解码器并行恢复精确坐标。该方法引入高斯软标签联合训练提议生成与定位,强化后训练缓解教师强制训练与推理间的差异。

来源:arXiv · 机器人与计算机视觉 · arxiv.org