跳到正文
arXiv · ML· Sicheng Liu, Xunkai Li, Ziyu Han, Xingnan Zhang, Ru Zhang, Rong-Hua Li·· 16 小时前AI 评分31

FG-GraphBench:基于多模态场景图的细粒度视觉理解基准与增强方法

FG-GraphBench: Benchmarking and Enhancing Fine-Grained Visual Understanding with Multimodal Scene Graphs

AI 导读

研究提出细粒度多模态场景图基准 FG-GraphBench 及增强方法 FiGRA。FiGRA 通过两阶段训练将实体与关系特征编码为连续图 token 并集成至 MLLM,在基准的三个任务上显著优于强基线。实验证实保留细粒度实体与关系信息对提升视觉理解至关重要。

来源:arXiv · ML · arxiv.org