Tag · 2 篇
基准与评测
分布 视觉语言模型1鲁棒性与安全1
01 02
Widget2Code：通过多模态大语言模型从视觉控件到 UI 代码
Widget2Code: From Visual Widgets to UI Code via Multimodal LLMs
把「从图像生成结构化代码」当作多模态大模型的细粒度视觉理解任务：用图标检索与 UI 组合模块把原子组件拼成完整布局，可作为视觉到结构化序列生成（而非自由文本）的可复用范式，并提供图像级 UI 重建的细粒度评测协议。
遗忘而不丢失：从大规模视觉语言开放词表检测器中安全移除目标概念
Unlearning without Forgetting: Securely Removing Targeted Concepts from Large-Scale Vision-Language Open-Vocabulary Detectors
对做开放词表检测的视觉研究者，这篇给出了在冻结保留概念的前提下定向抹除指定概念-短语对的参数更新方案：离线构造保留知识嵌入的零空间，把遗忘更新投影到其正交补，并用一步 mean-flow 目标把遗忘概念推向不可检测；可直接复用于模型发布前的版权/隐私合规清理，以及检测器概念级可控编辑。