arXiv cs.CV· Chenxu Wang, Hangyi Kuang, Bo-Wen Yin, Yuxuan Li, Quan-Sheng Zeng, Yang Zhang, Xu Guo, Xiang Li, Qibin Hou·· 4 小时前AI 评分36
WinARDet：面向长程视觉语言定位的压缩窗口自回归
WinARDet: Compressed Window Auto-Regression for Long-Horizon Vision-Language Grounding
AI 导读
WinARDet 提出压缩窗口自回归（WinAR），将长答案序列切分为连续生成窗口，仅对当前窗口做 token 级自回归，历史窗口压缩为固定数量的 latent token，避免密集场景中重复输出同一检测框。
来源：arXiv cs.CV · arxiv.org