arXiv · 机器人与计算机视觉· Jisheng Dang, Huaiyuan Peng, Yixuan Wang, Kun Wang, Zhang Li, Tat-Seng Chua·· 23 天前AI 评分72
Aerial-R1:首个强化空中推理与分割的多模态大语言模型框架
Aerial-R1: Reinforcing Aerial Reasoning and Segmentation in MLLMs
AI 导读
针对现有方法在航拍领域因尺度变化剧烈和视觉模糊导致的严重幻觉问题,本文提出 Aerial-R1 框架。该框架受 DeepSeek-R1 启发,利用多视图一致性建立类似思维链的视觉推理机制,并引入混合视角组优势加权回归策略以适配非自回归掩码生成。
来源:arXiv · 机器人与计算机视觉 · arxiv.org