Tag · 2 篇
医学视觉定位
01 02
RNED：面向医学视觉语言模型的旋转数值编码与解码
RNED: Rotary Number Encoding and Decoding for Medical VLMs
RNED 将连续数值编码为旋转矩阵作用于专用数值词元嵌入，并设计基于分数匹配的解码器，可直接用于视觉语言模型中的坐标回归、尺寸估计等连续量预测任务，替代离散化词元方案。
MedLoc-R1：面向基于 GRPO 的医学视觉定位的性能感知课程奖励调度
MedLoc-R1: Performance-Aware Curriculum Reward Scheduling for GRPO-Based Medical Visual Grounding
把 GRPO 的固定 IoU 奖励换成随模型能力逐步收紧的课程式奖励调度，可直接迁移到任何用 RL 做框级/区域级定位的视觉语言模型训练中，缓解小目标奖励稀疏导致的策略梯度消失。