arXiv Computer Vision· Fan Yang, Lifeng Chen, Yipu Wang, Han Wang, Feilong Chen, Yidong Ma, Zhiyang Chen, Chaoyang Zhao, Lingxiang Wu, Hanqi Jiang, Yibo Chen, Xu Tang, Yao Hu, Ming Tang, Xiaojie Jin, Xiaolong Zheng, Jinqiao Wang·· 20 小时前AI 评分24
Genesis：面向多模态链式推理的视觉增强原语 VAP
Genesis: Visual Augmentation Primitives for Multimodal Chain-of-Thought Reasoning
AI 导读
研究团队提出训练数据增强流程 Visual Augmentation Primitives（VAP），用先进视觉生成模型合成逼真训练样本及对应推理文本，并构建贯穿生成过程的多模态推理链，迫使模型每一步都依据视觉内容推理。
来源：arXiv Computer Vision · arxiv.org