arXiv Artificial Intelligence· Qingyun Liu, Yuankun Liu, Jiaye Feng, Jie Huang, Zonghong Dai, Haochen Li, Jingkun Wang, Weiping Li, Tong Mo·· 2 天前AI 评分26
PSGAgent：用智能体推理增强 MLLMs 动态视觉感知的全景场景图生成框架
PSGAgent: Enhancing MLLMs' Dynamic Visual Perception for Panoptic Scene Graph Generation via Agentic Reasoning
AI 导读
PSGAgent 通过“思考-行动-观察”循环让 MLLMs 动态调整视觉感知，在 PSG 基准上取得 SOTA。该框架配备 Region Zoom-In Tool 用于局部探索小目标或边界关系，Visual Highlight Tool 用于关系聚焦分割以过滤无关上下文噪声。
来源：arXiv Artificial Intelligence · arxiv.org