跳到正文
热点事件持续更新

GGR 模型利用人类注视数据提升 VLM 视觉推理

1 篇报道1 个报道来源14 小时前更新

先了解这件事

AI 综述

Gabriel Sarch 等人提出 GGR(Gaze-Guided Reasoner)模型,旨在利用人类注视数据作为先验引导视觉语言模型(VLM)的视觉推理。该研究收集了 7,109 次人类注视试验进行训练。 论文指出,在图表理解、视觉搜索和计数等任务中,GGR 的表现优于全序列监督方法。同时,该模型实现了更高的人类对齐度和更可靠的视觉定位能力,其准确率匹配或超越了现有的领先基线。

AI 根据报道生成 · 11 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv · 机器人与计算机视觉
    Learning Grounded Reasoning from Human Gaze

    arXiv:2611.23209 论文提出利用人类注视数据作为先验来引导 VLM 的视觉推理,在图表理解、视觉搜索和计数等任务中表现优于全序列监督。作者收集了 7,109 次人类注视试验并训练了 GGR(Gaze-Guided Reasoner)模型,该模型实现了更高的人类对齐度和更可靠的视觉定位,同时匹配或超越了领先的基线准确率。

本事件热度走势

可比范围当前
7
可比范围峰值
911月18日 16:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。