跳到正文
热点事件持续更新

VLM小物体检测极限与自适应缩放策略

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Siddharth Vohra 和 Min Xu 发布评测,量化了七款主流视觉语言模型在默认设置下的细节保留能力。研究发现,在线模型常因服务端缩小或拒收大图而遗漏小细节;在默认设置下,模型能读取一半次数的最小文字尺寸从图片中的 6 像素以下,增长至 7680×4320 照片上的预测 10 至 13 像素。作者提出五条智能体何时该缩放的规则,并证实自适应缩放策略能以更低算力匹配甚至超越分块处理效果。研究开源了眼检工具、所有模型回答及代码。

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精选
    何时该放大:视觉语言模型在多像素级小物体上的表现极限及优化规则

    在线视觉语言模型常因服务端缩小或拒收大图而遗漏小细节。本研究通过 601 个真实照片中的小物体问答与印刷码眼检,量化了七款主流模型在默认设置下的细节保留能力,发现分块处理可显著提升准确率并减少拒绝,自适应缩放策略能以更低算力匹配甚至超越分块效果。作者还分析了不同模型的失败模式差异,提出了五条关于智能体何时该缩放的规则,并开源了眼检工具、所有模型回答及代码。

本事件热度走势

可比范围当前
7
可比范围峰值
911月18日 15:00
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。