arXiv Artificial Intelligence· Jeonghwan Kim, Renjie Tao, Sanat Sharma, Jiaqi Wang, Kai Sun, Zhaojiang Lin, Seungwhan Moon, Lambert Mathias, Anuj Kumar, Heng Ji, Xin Luna Dong·· 19 小时前AI 评分27
PixSearch：面向知识型大型多模态模型的区域锚定检索
PixSearch: Region-Grounded Retrieval for Knowledgeable Large Multimodal Models
AI 导读
PixSearch 是一种端到端的分割式大型多模态模型（LMM），将区域级视觉锚定与检索增强推理统一起来，在自回归生成中学习何时检索、如何在文本、整图和区域级检索间路由查询，并用联合训练的掩码解码器裁剪目标实体作为视觉查询。
来源：arXiv Artificial Intelligence · arxiv.org