感知流网络：面向视觉接地推理
Perceptual Flow Network for Visually Grounded Reasoning

Yangfu Li, Yuning Gong, Hongjian Zhan, Teng Li, Yuanhuiyi Lyu, 等 (+6)


• 本文提出感知流网络（PFN），旨在克服现有视觉语言模型在处理复杂视觉推理任务时面临的挑战和局限性。
• PFN的核心创新在于将视觉信息中的感知与高级推理过程有效解耦，从而实现更清晰、更结构化的信息处理。
• 该模型采用先进的变分强化学习范式进行训练，使其能够灵活学习并优化推理策略，以适应不同的视觉场景。
• 为进一步提升推理的准确性和鲁棒性，网络引入了多维度奖励机制，显著增强了其视觉接地推理能力。

🔗 arXiv · 🤗 HF

#视觉推理 #强化学习 #感知推理 #视觉语言模型 #解耦学习