arXiv · AI· Haozhan Shen, Liangbo He, Jun Lan, Huijia Zhu, Weiqiang Wang, Tiancheng Zhao, Jianwei Yin·· 9 天前AI 评分38
ZoomGain: 挖掘全局到局部感知差距构建细粒度视觉监督
ZoomGain: Mining Global-to-Zoom Perception Gaps for Fine-Grained Visual Supervision
AI 导读
研究者提出 ZoomGain 数据构建管线,利用视觉语言模型在全局图像与局部放大图像间的感知差距生成问题,仅需 9K 样本训练。 模型在 4B/9B 规模上通过该管线训练后,性能提升显著,在 HR-Bench 4K 等基准上达到 90.25 的 SOTA 成绩,超越部分千亿参数模型。 该方法为细粒度视觉监督评估与训练提供了实用基础,相关代码已开源。
来源:arXiv · AI · arxiv.org