IXThinker·2025-10-04 15:00

華中科大LIRA框架提升多模態分割精度

多模態大模型的工作已從文生圖擴展到像素級的圖像分割，但精度不足與幻覺仍是兩大痛點。華中科技大學聯同金山辦公團隊提出LIRA，用兩個簡單模組同時改善這兩個問題。

兩大痛點

無論是OMG-LLaVA，還是提出embedding-as-mask範式的LISA，現有模型都存在分割結果不夠精確、理解過程出現幻覺的問題，根源在於物體屬性理解不足與細粒度感知能力受限。