重磅！阶跃星辰多模态团队提出“慢感知”：视觉system2的初步探索

文章预览

点击下方 卡片 ，关注“ CVer ”公众号 AI/CV重磅干货，第一时间送达 点击进入—> 【Mamba/多模态/扩散】交流群 添加微信：CVer2233，助手会拉你进群！ 扫描下方二维码，加入CVer学术星球 ！ 可获得最新顶会/顶刊上的论文idea 和 CV从入门到精通资料，及最前沿应用 ！发论文/搞科研/涨薪必备！ 代码（已开源）： https://github.com/Ucas-HaoranWei/Slow-Perception 论文：https://arxiv.org/pdf/2412.20631                 前言： 慢感知是StepFun多模态团队对视觉system2的初步探索。研究人员认为：1）目前多模领域o1-like的模型，主要关注文本推理，对视觉感知的关注不够。2）精细/深度感知是一个复杂任务，且是未来做视觉推理的重要基础。而思想之一是如何把感知做“慢”，即通过某种任务拆解（step-by-step）实现感知层面的inference time scaling。这里有个简单的例子： 题目是 ………………………………