IXThinker·2026-01-02 13:20

VGent新架構兼顧視覺定位速度與精度

多目標與視覺參照為視覺定位任務帶來速度與性能的雙重挑戰。來自UIC與Adobe的研究團隊提出VGent模型，以模組化設計解耦推理與預測，在ORES基準上做到又快又準，兼顧效率與精度。

雙重挑戰現狀

視覺定位要求模型按語言描述鎖定圖像目標，而多目標與視覺參照的引入，令模型既要理解複雜指代，又不能犧牲推理速度，傳統一體化架構難以兩者兼得，成為該領域的突出難點。