研究人员推出了一种新颖的推理分割框架DGSeg，它提高了基于复杂语言查询的像素级掩码预测的准确性。与以往将推理压缩为稀疏线索的方法不同，DGSeg利用多模态大语言模型生成独立的语义和空间线索。这些线索随后输入到不同的分割分支，其预测由动态门控模块自适应地融合，以减轻噪声和冲突信息。据报道，该框架在多个基准测试中优于现有方法，在ReasonSeg数据集上取得了高gIoU分数。 AI
影响 引入了一种使用多模态LLM和动态线索融合来提高分割准确性的新方法。
排序理由 该集群描述了一篇详细介绍新颖推理分割框架的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.04779v1 Announce Type: new Abstract: Reasoning segmentation aims to predict pixel-wise masks for targets given complex language queries. Existing approaches leverage Multimodal Large Language Models (MLLMs) for vision-language reasoning and generate intermediate target…
Reasoning segmentation aims to predict pixel-wise masks for targets given complex language queries. Existing approaches leverage Multimodal Large Language Models (MLLMs) for vision-language reasoning and generate intermediate target cues (e.g., points or boxes) to guide a segment…