用两个简单模块实现分割理解双重SOTA！华科大白翔团队等推出多模态新框架

华中科技大学与金山办公联合提出多模态大模型LIRA，通过语义增强特征提取器（SEFE）和交错局部视觉耦合（ILVC）模块，在图像分割与视觉理解任务上实现协同提升。相比OMG-LLaVA，LIRA在分割任务上平均提升8.5%，MMBench得分提升33.2%，幻觉率显著降低。模型通过融合语义与像素特征、建立局部区域与文本描述的显式关联，有效缓解现有方法的精度不足与幻觉问题，相关成果已入选ICCV 2025。
来源：https://mp.weixin.qq.com/s/MXID44PnVzJgGj6U4f8RlQ