部件级定位

为任意开源多模态大语言模型增强部件级点定位能力

Enhancing Part-Level Point Grounding for Any Open-Source MLLMs

提出一种冻结主干、仅靠中间层注意力合成文本条件查询并解码为点热图的插件式方案，可让任意开源 MLLM 获得部件级点定位能力，为细粒度机器人操作等任务提供可直接复用的适配模块。