研究人员推出ToolFG，一个专为细粒度图像分类设计的新型框架，该框架集成了多模态大语言模型（MLLMs）和外部工具。这种方法允许MLLMs自主使用工具与图像交互并收集可验证的视觉线索，从而提高了区分高度相似类别之间的可靠性。该框架采用MCTS引导的知识蒸馏机制和模型-工具协同演进过程，以优化工具和模型在专业FGIC任务中的工具使用策略。 AI
影响 通过将MLLM与外部工具集成，为细粒度图像分类引入了一种新方法，有望提高区分相似视觉类别的准确性。
排序理由 该集群包含一篇描述新框架和方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.02518v1 Announce Type: new Abstract: Fine-grained image classification (FGIC) has broad applications and has attracted significant research attention. In this paper, we explore a novel paradigm for solving FGIC by proposing \textbf{ToolFG}, the first tool-integrated ML…
Fine-grained image classification (FGIC) has broad applications and has attracted significant research attention. In this paper, we explore a novel paradigm for solving FGIC by proposing \textbf{ToolFG}, the first tool-integrated MLLM-based framework tailored to FGIC. ToolFG enab…