IXThinker·2025-05-06 10:40

Perception-R1感知任務突破YOLOv3

華中科技大學、北京郵電大學等高校團隊推出開源多模態模型Perception-R1，探索基於規則的強化學習對視覺感知的增益，在COCO2017驗證集突破30 AP，超越YOLOv3。

從感知層入手

團隊選擇在視覺推理最基礎的感知層面入手，探究基於規則的強化學習（rule-based RL）能為模型的感知模式帶來多大增益。研究重點涵蓋純視覺任務（計數、通用目標檢測）與視覺語言任務（grounding、OCR）。