慢感知--迈向视觉system2 (o1) 的第一步

文章预览

↑ 点击 蓝字  关注极市平台 编辑丨极市平台 极市导读   StepFun多模态团队提出的慢感知（Slow Perception）概念，旨在通过感知分解和感知流动两个阶段，实现对几何图形的精细感知，以提升多模态大模型在视觉推理任务中的表现，目前该团队已在几何parsing任务上进行了初步建模并取得了显著效果。 >> 加入极市CV技术交流群，走在计算机视觉的最前沿 开源地址：Ucas-HaoranWei/Slow-Perception: Official code implementation of Slow Perception:Let's Perceive Geometric Figures Step-by-step 论文地址： https://arxiv.org/abs/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 ………………………………