跳到正文
arXiv · 机器人与计算机视觉· Songming Yang, Hong-Tao Yu, Xiu-Shen Wei·· 16 天前精选AI 评分78

Learning to Group and Order:面向视觉的多模态大模型跨实例自监督强化学习

Learning to Group and Order: Cross-Instance Self-Supervised RL for Vision-Centric MLLMs

AI 导读

论文提出 GO-SSL 框架,通过跨实例拼图任务将未标注数据转化为可验证的监督信号,训练模型在分组的同时恢复内部顺序。该方法涵盖图像、3D 深度及视频时序排序,在多个基准测试中均优于基线模型,显著提升了细粒度感知与空间理解能力。代码已开源。

推荐理由

提出跨实例拼图自监督强化学习框架,提升多模态大模型细粒度感知与空间理解能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org