BVS: Bayesian Visual Search with Multimodal Large Language Model for Fine-grained Perception
BVS:用于细粒度感知的基于多模态大语言模型的贝叶斯视觉搜索
专题命中 其他多模态 :multimodal(title,abstract);MLLM(abstract);分类 cs.CV
AI总结 针对多模态大语言模型在超高分辨率图像细粒度感知的难题,提出BVS框架,将感知设为连续空间尺度流形上的全局优化问题,通过先验引导与后验校正提升性能。
Comments Accepted by ICML 2026. Project page with code: https://github.com/PKU-ICST-MIPL/BVS_ICML2026