跳到正文
arXiv · 机器人与计算机视觉· Qiaomu Miao, Haoyu Wu, Jingyi Xu, Minh Hoai, Dimitris Samaras·· 9 天前AI 评分65

OmniGF:一种用于统一视线跟随的双分支视觉语言框架

OmniGF: A Dual-Branch Vision-Language Framework for Unified Gaze Following

AI 导读

OmniGF 是一种统一的视觉语言框架,旨在解决传统模型仅擅长空间定位或 VLM 依赖离散文本生成导致精度受限的问题。该框架采用双分支解码策略:结构化语言分支生成离散推理状态,连续空间分支直接利用 VLM 的稠密隐藏态以克服坐标生成的空间瓶颈。

来源:arXiv · 机器人与计算机视觉 · arxiv.org