PSGAgent 框架通过智能体推理提升全场景图生成
热点事件持续更新
PSGAgent 框架通过智能体推理提升全场景图生成
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Qingyun Liu 等发布论文 PSGAgent（arXiv:2611.07408），提出一个智能体框架，通过 think-act-observe 循环与工具调用增强多模态大语言模型在全场景图生成（PSG）任务中的动态视觉感知。论文称该方法已被 ACM Multimedia 2026 接收，并在 PSG 基准测试中达到 SOTA 性能。 该方法针对的问题是：固定分辨率视角下，多模态大模型容易忽略小目标之间的关系。
AI 根据报道生成 · 2 小时前更新
最新进展11月6日 13:00
PSGAgent：通过智能体推理增强 MLLM 动态视觉感知以实现全场景图生成报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AIPSGAgent：通过智能体推理增强 MLLM 动态视觉感知以实现全场景图生成
PSGAgent 是一个智能体框架，通过 think-act-observe 循环增强多模态大语言模型在全场景图生成（PSG）任务中的动态视觉感知，解决固定分辨率视角下忽略小目标关系的问题。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。