LLMSeg：免训练将视觉大模型变为文本提示分割器

Abdullah Hamdi 在 arXiv 发布论文并开源代码，提出 LLMSeg——一种免训练管线，将具备视觉能力的大语言模型直接变为文本提示图像分割器，无需分割头、掩码解码器或任务训练。其方法基于 B 样条。 据论文，使用现成的 Gemini-3.7-Flash 后端时，LLMSeg 在相同条目上与专门的 SAM 3 模型相当且往往更好；在 ReasonSeg val 上无需额外分割专用训练即达到 71.5 cIoU。这些为论文中报告的结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。