ZoomGain：利用放大感知差距构建细粒度视觉监督

ZoomGain 研究团队提出一个数据构建管线，并发布 ZoomGainBench。该管线利用视觉语言模型（VLM）只有放大局部视图才能识别细节的“全局到放大感知差距”，从放大后才能获得的信息自动生成关于整图的问答数据。为控制数据质量，管线通过多个模型在放大视图上验证答案，剔除存在歧义或仅凭语言先验即可解答的题目，并生成高质量干扰项。

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。