实体
Ronghao Fu
Ronghao Fu
PulseAugur coverage of Ronghao Fu — every cluster mentioning Ronghao Fu 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
最近 · 第 1/1 页 · 共 2 条
-
新的多模态架构Libra和SkyNative增强了视觉-语言理解能力
两篇新的研究论文介绍了一种新颖的多模态大语言模型（MLLMs）架构。第一种，Libra，提出了一种解耦系统，具有独立的视觉和语言组件，通过跨模态桥梁连接，允许在保持理解能力的同时进行独立的表征学习。第二种，SkyNative，提出了一种用于遥感数据的原生多模态架构，将视觉令牌直接集成到语言模型的自回归序列中，以增强空间推理和细粒度视觉理解。这两种方法都旨在通过重新思考视觉和文本数据的联合处理方式来提高理解和生成任务的性能。
-
GeoSolver 通过过程监督增强遥感领域 VLM 的推理能力
研究人员开发了 GeoSolver，一个旨在提高视觉语言模型（VLM）在遥感领域推理能力的新框架。该系统利用了一个新颖的过程奖励模型（PRM），该模型在一个名为 Geo-PRM-2M 的大规模数据集上进行训练，该数据集提供了关于中间推理步骤视觉忠实度的细粒度反馈。通过将此 PRM 与强化学习算法集成，GeoSolver-9B 在遥感基准测试中取得了最先进的性能，并展示了强大的测试时扩展能力，从而提高了其自身以及通用 VLM 的性能。