Hierarchical Denoising For Multi-Step Visual Reasoning
用于多步视觉推理的分层去噪
发表机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University(北京大学计算机科学学院多媒体信息处理技术国家重点实验室) ; The Hong Kong University of Science and Technology(香港科技大学) ; Beihang University(北京航空航天大学) ; Fuzhou University(福州大学) ; Muka Robotics(木卡机器人)
AI总结 研究针对视频模型多步推理不足的问题,提出HDR框架,通过树形层次结构和稀疏分层注意力模式进行多步推理,在新基准测试中提升了成功率和进度,推理更快,数据效率更高,在机器人实验中展现潜力。