ZoomGain提出细粒度视觉数据构建流程并发布基准

Haozhan Shen等作者提出名为ZoomGain的数据构建流程，并发布ZoomGainBench基准。该流程利用视觉语言模型（VLM）放大局部后才能识别细节的“全局到放大感知差距”，从放大视图获取的信息反向生成针对整图的问题，再用多个模型验证答案，并排除仅凭语言先验即可作答的题目。 据作者称，这样做的目的是为细粒度视觉监督提供数据。相关论文于2026年11月发布在arXiv cs.AI。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。