Hulingxiao He

新方法增强大语言模型在细粒度视觉识别任务中的能力

两篇新的研究论文提出了使用大型视觉语言模型（LVLMs）改进细粒度视觉识别（FGVR）的新方法。第一篇论文介绍了SARE框架，该框架根据识别难度自适应地应用推理，并重复利用过去的失败案例以提高准确性和效率。第二篇论文Fine-R1利用链式思考推理和策略优化，使多模态大语言模型在仅需少量训练数据的情况下就能在FGVR方面表现出色，在已见和未见类别上均优于现有模型。