研究人员开发了 Falcon Perception-HD，一个利用强化学习（RL），特别是 GRPO，来增强视觉实体定位的新模型。这种方法直接优化了精度和召回率等感知指标，克服了传统监督微调的局限性。Falcon Perception-HD 在包含多达 500 个对象的密集场景中展示了最先进的性能，修复了诸如掩码重复等常见问题，并减少了对 NMS 等后处理步骤的需求。 AI
影响 这项研究可能带来更高效、更准确的视觉感知系统，尤其是在复杂、对象密集的环境中。
排序理由 该集群描述了一篇详细介绍新模型和方法的论文。
在 Hugging Face Daily Papers 阅读 →
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。
Autoregressive perception models trained to localize visual entities under the open-vocabulary setting are mostly trained using Supervised fine-tuning (SFT) with maximum likelihood, yet it optimizes a proxy objective (per-token cross-entropy) that is fundamentally misaligned with…
arXiv:2608.18881v1 Announce Type: new Abstract: Autoregressive perception models trained to localize visual entities under the open-vocabulary setting are mostly trained using Supervised fine-tuning (SFT) with maximum likelihood, yet it optimizes a proxy objective (per-token cros…