Text-Guided Small-Object Focus

新基准和多模态大模型应对交通场景中的“关键证据稀释”

研究人员推出了细粒度交通场景推理基准（FGTR-Bench）和一个名为TSR-MLLM的新多模态大语言模型（MLLM），以解决交通场景中“关键证据稀释”的问题。当标准MLLM倾向于关注较大的背景元素而忽略关键的小目标时，就会出现此问题。TSR-MLLM基于Qwen3-VL-4B构建，利用文本引导的小目标关注（TG-SOF）机制，无需外部检测器或重新编码即可提高对相关视觉细节的关注度。