注意力图分析

探测并桥接视觉基础模型中可供性推理的几何-交互线索

Probing and Bridging Geometry-Interaction Cues for Affordance Reasoning in Vision Foundation Models

对做视觉研究的人，这篇论文提供了一种无需训练、零样本的可供性估计思路：把 DINO 的部件级几何原型与 Flux 的动词条件空间注意力图直接融合，可作为视觉基础模型内部表征探测与多模态先验组合的通用手段。