研究人员开发了一种名为无标签精度细化（LFPR）的新颖方法，以提高视觉语言模型识别对象及其精确边界的准确性。该技术允许冻结的模型在推理过程中无需访问目标标注即可优化边界框预测。LFPR通过将预测路由到更高分辨率的通道并应用几何约束，在Ref-L4、RefCOCO和Flickr30K Entities等各种数据集上展示了显著的改进。 AI
影响 这项研究可能导致视觉语言模型中更精确的目标检测，增强依赖于精确空间理解的应用。
排序理由 该集群描述了一篇研究论文中提出的一种新颖方法，侧重于AI模型性能的技术改进。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Vision--language models can identify the correct referent while returning an imprecise bounding box. We study whether a frozen direct-answer model can use its own prediction to allocate one additional localized observation without accessing target annotations at inference. Label-…
arXiv:2608.19553v1 Announce Type: new Abstract: Vision--language models can identify the correct referent while returning an imprecise bounding box. We study whether a frozen direct-answer model can use its own prediction to allocate one additional localized observation without a…