PulseAugur
中
实时 11:59:13
English(EN) HART: High-Resolution Annotation-Free Reasoning Technique through a Closed-loop Framework

新的HART技术使大型多模态模型（LMM）能够在无标注的情况下对高分辨率图像进行推理

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为HART（High-resolution Annotation-free Reasoning Technique，高分辨率无标注推理技术）的新技术，以改进大型多模态模型（LMM）处理高分辨率图像的方式。当前LMM在处理高分辨率图像生成的大量token时遇到困难，通常需要昂贵的人工标注来识别重要区域。HART采用闭环框架和一种称为AP-GRPO的策略优化方法，使LMM能够在没有外部监督的情况下自我验证关键区域。在多个基准测试上的实验表明，HART显著提高了高分辨率视觉任务的性能。 AI

影响 这项技术可以降低训练AI模型进行高分辨率图像分析的成本和复杂性，有望带来更强大的视觉AI系统。

排序理由 该集群描述了一篇详细介绍用于改进AI模型在特定任务上性能的新颖技术的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的HART技术使大型多模态模型（LMM）能够在无标注的情况下对高分辨率图像进行推理

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Jiacheng Yang, Anqi Chen, Yunkai Dang, Qi Fan, Cong Wang, Wenbin Li, Feng Miao, Yang Gao ·

    HART: High-Resolution Annotation-Free Reasoning Technique through a Closed-loop Framework

    arXiv:2602.23615v3 Announce Type: replace Abstract: Current Large Multimodal Models (LMMs) struggle with high-resolution visual inputs during the reasoning process, as the number of image tokens increases quadratically with resolution, introducing substantial redundancy and irrel…

相关实体

相关话题