Tag · 2 篇
零样本目标检测
分布 视觉语言模型1目标检测与定位1
01 02
通过下一词元预测检测一切
Detect Anything via Next Point Prediction
将目标检测重新表述为多模态大语言模型的下一词元预测，用特殊词元表示量化坐标，并通过GRPO强化学习后训练弥合离散到连续的坐标预测差距，为视觉感知提供语言感知的统一框架。
AgentDet：一种用于零样本/少样本目标检测的共享黑板多智能体框架
AgentDet: A Shared-Blackboard Multi-Agent Framework for Zero-/Few-Shot Object Detection
提出共享黑板多智能体框架，将检测解耦为四个协作角色，仅训练Agent-Judge的图像编码器和基于LLM的检测头，为视觉研究者提供了一种轻量级、可泛化到新类别的零/少样本检测新范式。