DQ-pilot

新的基于对话的方法增强了视觉地点识别

研究人员引入了对话地点识别（DlgPR），这是一种新颖的视觉地点识别范式，它超越了静态、一次性检索，转向交互式、对话驱动的推理过程。该方法旨在更好地处理自然语言描述中常见的用于地理定位的歧义和不完整性。为了支持这项新任务，该团队开发了 DlgQuest-Cities，这是首个用于地点识别的大规模基于对话的基准，以及一个名为 DQ-pilot 的统一推理框架。实验表明，这种基于推理的方法显著优于现有基线。