一个名为 LLMSeg 的新的无训练管道已被开发出来,它利用多模态大语言模型 (MLLMs) 进行图像分割。该方法通过将过程分解为三个阶段:定位、B 样条追踪和迭代精炼,绕过了对专用分割架构或特定任务训练的需求。LLMSeg 通过利用现成的模型(如 Gemini-3.7-Flash)展示了与 Segment Anything Model 3 等专用模型相媲美的性能,甚至在某些情况下超越了它们。 AI
影响 利用通用 LLM 的图像分割新方法正在涌现,这可能会减少对专用模型和训练的需求。
排序理由 该集群包含两篇研究论文,一篇关于理论计算复杂性,另一篇关于新的图像分割管道。
在 Hugging Face Daily Papers 阅读 →
- COCO
- LLMSeg
- Lvis
- ODinW13
- ReasonSeg
- RefCOCO+
- RF-100VL
- Sa Coma
- Segment Anything Model 3
- graph neural networks
- Hugging Face
- Modal Logic with Counting
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →