ZoomCap提出证据路由视觉缩放式细粒度图像描述方法

2026年10月16日，arXiv cs.CV 收录了题为《ZoomCap：面向可恢复视觉信息迁移的证据路由式视觉缩放》的论文。该工作把细粒度图像描述重构为“可恢复的视觉信息迁移”问题：先由草稿描述进行路由，分别触发 OCR 阅读、覆盖缺口恢复与自适应视觉缩放，并且仅对最复杂的合格区域施加更深层的裁剪，以避免对整图做无差别的高开销处理。据该报道，ZoomCap 使用比 Qwen3.5-397B-A17B 小 10 倍以上的 teacher 模型，取得了 81.9% 的人类 tie-adjusted 偏好分；在信息迁移量上，每张图迁移 52.4 条声明，高于 ScaleCap 的 31.5 条。目前关于该方法的公开信息均来自这一篇报道，尚无后续复现或其他来源的补充。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。