Concetto · 4 novità
visual grounding
Pagina pubblicata il · ultima novità il
Cronologia
- InfoVis: Unified Slide Image Generation and EditingÈ rilevante per gli sviluppatori che lavorano con LLM e agenti perché offre una soluzione open-source scalabile per la manipolazione visiva complessa, riducendo la dipendenza da modelli proprietari costosi.
- CoEvolve: Construct-to-Edit Visual Grounding with Bidirectional State RefinementPer gli sviluppatori che lavorano con LLM e agenti, CoEvolve offre un meccanismo per rendere espliciti ed editabili gli stati spaziali intermedi del ragionamento visivo, riducendo l'accumulo di errori locali. Questa capacità è cruciale per implementare sistemi AI locale robusti in scenari come il remote sensing o la navigazione robotica dove la precisione della localizzazione deve essere verificata e corretta dinamicamente.
- A Unified Framework and Dataset for Oriented Object Visual Grounding in Remote SensingPer uno sviluppatore di agenti AI o sistemi locali, O$^2$-VG offre una base solida per integrare capacità visive avanzate in scenari con oggetti non allineati (es. mappe aeree), riducendo la dipendenza da prompt testuali specifici e migliorando l'efficienza inferenziale tramite tecniche come multi-token prediction.
- GeoNLI - A Natural Language Interpreter for Satellite ImageryPer gli sviluppatori che lavorano con LLM locali o agenti AI, questo approccio offre un framework scalabile per gestire compiti multi-task complessi senza richiedere la ri-architettura completa del modello. La modularità permette di adattare facilmente il sistema a nuovi dataset satellitari integrando diverse varianti di SAM e MLLM esistenti.