arXiv cs.CV· Xinran Nicole Han, Yiyang Lu, Katelyn Gan, Todd Zickler·· 3 小时前AI 评分40
AdaLoop：让视觉编码器参与推理
AdaLoop: Thinking with the Vision Encoder
AI 导读
AdaLoop 提出面向 VLM 的问题条件视觉循环框架：按问题调整视觉计算，在冻结预训练视觉权重的前提下多轮复用编码器变换。配套的 VisRO 数据集与生成流程用于训练和评测以视觉为中心的推理。在六项 VisRO 任务上，它以相同训练数据和优化器更新量超过标准微调与问题条件单次前向基线，增益在三个 VLM 系列的分布内与分布外样本上均成立。
来源：arXiv cs.CV · arxiv.org