CoEvolve: Construct-to-Edit Visual Grounding with Bidirectional State Refinement
Aggiunta all'archivio di AIChronos il (numero del 1 ottobre 2026 ricostruito)· fonte del · Dongwei Sun, Yujie Zhang, Bowen Yao, Pei Liu, Jing Yao, Xiangyong Cao
CoEvolve è un framework construct-to-edit che separa il grounding visivo in due fasi distinte: la costruzione esplicita di stati e l'editing dello stato. Il metodo utilizza Region-Evolution Reinforcement (RER) per organizzare l'analisi in una traiettoria semantico-spaziale progressiva, dove ogni passo si impegna su una regione candidata esplicita. Successivamente, il Bidirectional Denoising Refiner (BDR) raffina i campi di coordinate trattando il testo del ragionamento come contesto semantico fisso e ricostruendo bidirezionalmente le posizioni. Questo approccio permette non solo di consolidare candidati affidabili ma anche di correggere errori localizzazione significativi.
- Separazione del grounding visivo in costruzione esplicita dello stato e editing dello stato per migliorare la diagnosi degli errori intermedi.
- Region-Evolution Reinforcement (RER) crea una traiettoria progressiva che impegna ogni passo su una regione candidata specifica.
- Bidirectional Denoising Refiner (BDR) utilizza la ricostruzione bidirezionale delle coordinate a posizione fissa per correggere gli stati spaziali.
- Il modello con un backbone da 9 miliardi di parametri compete in accuratezza con modelli fino a 241 miliardi di parametri.
- Un singolo passaggio del BDR sotto corruzione controllata migliora l'overlap della media delle caselle (mean box overlap) di oltre il 27%.
Perché conta. Per gli sviluppatori che lavorano con LLM e agenti, CoEvolve offre un meccanismo per rendere espliciti ed editabili gli stati spaziali intermedi del ragionamento visivo, riducendo l'accumulo di errori locali. Questa capacità è cruciale per implementare sistemi AI locale robusti in scenari come il remote sensing o la navigazione robotica dove la precisione della localizzazione deve essere verificata e corretta dinamicamente.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.