PSGAgent：智能体推理增强MLLM全景场景图生成

Qingyun Liu等作者提出PSGAgent智能体框架，通过“思考-行动-观察”循环增强多模态大模型（MLLM）的视觉感知，用于全景场景图生成（PSG）。该框架借助Region Zoom-In Tool局部探索小目标或边界关系，并用Visual Highlight Tool做关系聚焦分割以过滤无关上下文噪声。作者称其实现了PSG任务的SOTA，但报道未给出具体数据集与量化结果。

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。