VLM小物体检测极限与自适应缩放策略
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
最新进展11月18日 13:00
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报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- 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
- –
02.557.510
16:0018:0020:0022:0011月19日
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。