F1暴涨20分，推理速度恒定！新架构VGent：多目标定位又快又准
UIC与Adobe联合提出模块化视觉定位模型VGent，通过解耦语义推理与像素预测，在多目标及视觉参照场景中实现突破。该模型以不足16B参数量，在ORES基准上相较RAS13B提升+20.58 F1，超越Qwen3-VL-30B，且推理速度恒定高效。其引入QuadThinker、Mask-aware Label与Global Target Recognition三大增强机制，有效应对多目标幻觉、标签歧义与全局感知难题。在单目标任务中亦达到90.1%平均准确率，展现全面优越性能。来源：https://mp.weixin.qq.com/s/R_RVJPAqzgfvn65AJYlvnw
页:
[1]