WinARDet: Tự hồi quy Cửa sổ Nén cho Định vị Thị giác-Ngôn ngữ Tầm dài
WinARDet: Compressed Window Auto-Regression for Long-Horizon Vision-Language Grounding
Đoạn trích bài viết
Các bộ phát hiện dựa trên MLLM thiết lập bài toán định vị thị giác-ngôn ngữ dưới dạng sinh tọa độ tự hồi quy, nhưng trong các khung cảnh dày đặc, chúng thường rơi vào một vòng lặp lặp lại hộp giới hạn, liên tục đưa ra các hộp giống hệt nhau cho đến khi cạn kiệt ngân sách giải mã.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên huggingface
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.