Florence-2-L

LOCUS模型通过草稿式验证方法改进视觉定位

研究人员开发了一种名为LOCUS的新型视觉定位模型，该模型通过采用草稿式验证方法提高了准确性。模型首先使用回归头部生成一个推测性的边界框，然后通过迭代的坐标标记校验对其进行优化。与传统的坐标标记解码相比，该方法显著减少了实现精确本地化所需的连续通过次数。在RefCOCO、RefCOCO+和RefCOCOg等基准数据集上，LOCUS在更高的交并比（IoU）阈值下表现出更高的准确性，并在其参数类别中与其他模型相比显示出具有竞争力的性能。