用多模态LLM超越YOLOv3强化学习助力突破AI视觉感知华中大与北邮等团队，推

量子位看科技 2025-05-03 17:24:10

用多模态LLM超越YOLOv3强化学习助力突破AI视觉感知

华中大与北邮等团队，推出了Perception-R1（PR1），这是首个突破30AP的纯多模态开源LLM，超越YOLOv3和Faster-RCNN等经典模型，在COCO2017 val set上表现出色。

PR1通过基于规则的强化学习（RL），优化视觉感知能力，在物体检测、OCR和计数任务中表现突出。PR1的感知策略优化框架使得现有MLLM在这些复杂任务中更加精准。

实验结果证明，PR1在visual grounding、OCR和Pixmo-Count等任务中表现超越同类专用模型，展示了其出色的可扩展性。PR1为AI视觉感知的未来发展奠定了坚实基础，推动了AI模型理解视觉信息的极限。

0 阅读：6

猜你喜欢

量子位看科技

量子位看科技

感谢大家的关注

作者最新文章

1
用多模态LLM超越YOLOv3强化学习助力突破AI视觉感知华中大与北邮等团队，推
2
强化学习会使模型变谄媚OpenAI技术报告谈GPT变谄媚原因GPT-4o更新后“
3
AI通关宝可梦大模型终于通关宝可梦什么？Gemini 2.5 Pro在直播中通关
4
GPT4o变谄媚的原因万万没想到OpenAI新报告揭露GPT4o变谄媚原因 GP
5
68页论文爆锤大模型竞技场曝Llama4曾刷大模型竞技场27次大模型竞技场的可信
6
微软OpenAI渐行渐远奥特曼纳德拉分歧升级就很突然。许久没有同框的奥特曼和微软
7
OpenAI发布事故分析报告OpenAI解释为何GPT变得谄媚这两天，GPT-4
8
用AI进行生产级录音转写AI可以搞定速记吗AI这么牛，把录音转成文字应该很简单了
9
GPT4o医学知识覆盖率仅五成大模型医疗能力体检报告医疗大模型知识覆盖度首次被精
10
视觉模型机制可解释性工具视觉Transformer内部机制可视化工具Prisma

热门分类

推荐 热榜 军事 NBA 体育 社会 明星八卦 娱乐 财经 科技 汽车 历史 国际 游戏 动漫 公益 搞笑 商业 互联网 数码 国际足球 房产 家居 时尚 科学探索 职场 育儿 股票 教育 影视 情感 热点 中国军情 武器 中国南海 中国足球 亚洲杯 科比 综合体育 CBA 投资 楼市 大咖秀 外汇 创业 风口 SUV 豪车 概念车 优惠 新能源 美国 欧洲 朝日韩 俄罗斯 孕期 街拍 恋爱攻略 婚姻 正能量

科技TOP

1
说刘强东作秀的，你们让王兴也秀一个噻，或者你们自己做一天体验一下。一个千亿身价的
2
美团王兴现在肠子都悔青了，​自己跟刘强东杠上有什么好处，​现在好了，东哥京东又推
3
预算2000元适合买什么手机？这次机型供参考，性价比和当年小米1999不相上下。
4
库克终于说出苹果死守中国的真相了，他说低价劳动力这个说法不存在的。​真正的原因就
5
N401XPN型机背进气[并不简单]​​​
6
3大家有没有想换手机3000元左右三台非常不错的手机大家关注了没有真我G
7
荣耀Power今晚发布，真机感觉还不错，相对轻薄，看不出来居然有8000mAh电
8
4199元起，国补后，vivoX200s发布12+256GB：4199元，
9
国内三大旗舰手机已发布谁才是你心中最强的Ultra手机​​​
10
不得不承认，Ai越来越强大了

科技最新文章

1
雷军这次可被架火上烤了！保时捷老板在上海车展直接表态，说就算小米汽车马力做到
2
初中那会儿，我胆儿可肥了，偷摸把我妈手机顺过来，窝在房间角落看起了电影。那时候哪
3
今天遇到个美团骑手，我顺口问：“京东外卖都给交五险一金了，你们怎么不跳槽过去？”
4
“因为关税战，我才知道，原来阿里巴巴，共享单车，共享充电站，淘宝，高铁，无人驾驶
5
国内三大旗舰手机已发布谁才是你心中最强的Ultra手机​​​
6
从刘强东对外卖小哥的态度上，终于知道原来余华说的都是真的。余华：“现在如果再
7
华为二小姐，华为二小姐
8
华为mate30是20年五一入手的，眼看就要满5年了。电池健康度已不足80%，去
9
再等几天吧！想要入手小折叠屏的用户又要迎来一个好消息了，因为在5.1假期之后，你
10
华为手机和三星手机同一角度拍的，怎么差别如此大。​​​