arXiv Computer Vision· Chenxu Wang, Hangyi Kuang, Bo-Wen Yin, Yuxuan Li, Quan-Sheng Zeng, Yang Zhang, Xu Guo, Xiang Li, Qibin Hou·· 4 小时前AI 评分22
WinARDet：压缩窗口自回归实现长程视觉语言定位
WinARDet: Compressed Window Auto-Regression for Long-Horizon Vision-Language Grounding
AI 导读
WinARDet 提出压缩窗口自回归（WinAR）机制，将长答案序列切分为连续生成窗口，仅对当前窗口做完整 token 级自回归，并把此前每个窗口压缩为固定数量的 latent token 来条件化解码，以缓解历史答案注意力劫持导致的框重复循环。
来源：arXiv Computer Vision · arxiv.org