LVIS-Count

VTOS 框架通过自适应搜索学习编排视觉工具

研究人员开发了 VTOS，一个用于编排视觉工具的新框架，该框架能够自适应地搜索解决方案和观察者。这种方法联合搜索可执行的解决方案程序（组合了 Grounding DINO 和 SAM 等工具）以及诊断故障并提供反馈的观察者程序。VTOS 利用共享知识库来指导其搜索，在密集物体计数和分布外分割等复杂场景中，其性能优于静态工具管道和其他代理式视觉编程基线。