ConCor-1以双向概念对应重构视觉语言定位

研究者提出ConCor-1，将视觉-语言定位从单向文本到图像区域的映射重构为双向概念对应，同时识别语言和视觉中的指称概念，统一多项定位任务，解决文本中视觉指代性部分的确定难题。

2026-08-14 ~ 2026-08-14 · 2 条相关