实体
Chain-of-Visual-Thought
Chain-of-Visual-Thought
PulseAugur coverage of Chain-of-Visual-Thought — every cluster mentioning Chain-of-Visual-Thought across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的PhysPlan框架增强了AI视频生成中的物理真实感
研究人员开发了PhysPlan，一个旨在提高扩散模型生成视频的物理真实感的新框架。与以往经常产生物理上不合理的序列的方法不同，PhysPlan使用视觉语言模型（VLM）来模拟主体物理，将多模态输入分解为一系列视觉思维。这种方法能够实现以物体为中心的测试时优化和梯度路由，隔离运动变化同时保持被动环境。在PhyGenBench和Physics-IQ等基准上的评估表明，PhysPlan在物理理解方面显著优于现有的视频生成模型。
-
新框架通过视觉令牌和自我诊断增强视觉语言模型推理能力 · 跟踪3个来源
研究人员开发了新的框架来增强视觉语言模型（VLMs）的推理能力。其中一种方法，Chain-of-Visual-Thought（COVT），使用连续的视觉令牌来捕获密集的感知信息，当集成到Qwen2.5-VL和LLaVA等模型中时，在各种基准测试上的性能提高了3-16%。另一种方法，ReGround，通过使VLMs能够自我诊断和重新检查视觉证据，解决了多步推理中视觉基础丢失的问题，在视觉密集型任务上显示出持续的收益，并且推理开销适中。此…