arXiv · 机器人与计算机视觉· Sheng Jin, Wentao Liu, Chen Qian·· 13 天前AI 评分72
Vis2State:基于可执行状态抽象的视觉推理
Vis2State: Visual Reasoning through Executable State Abstractions
AI 导读
arXiv 预印本发布 Vis2State,这是一个无需训练的代理框架,将视觉谜题抽象为显式且可修订的问题状态,连接视觉检查与执行。模型在无预设谜题模式或求解程序的情况下构建状态和程序,并通过反馈独立修正表示与流程。该方法在四个基准测试中达到最先进水平,代码即将公开。
来源:arXiv · 机器人与计算机视觉 · arxiv.org