Memory-Augmented Vision-Language Agents for Persistent and Semantically Consistent Object Captioning
具有记忆增强的视觉-语言代理用于持久且语义一致的对象描述
机构 * Italian Institute of Technology, Genoa, Italy(意大利理工学院,热那亚,意大利) ; University of Genoa, Genoa, Italy(热那亚大学,热那亚,意大利)
专题命中 长上下文与记忆 :language agent(title,abstract);language model(abstract)
AI总结 本文提出一种统一的记忆增强视觉-语言代理,通过单一自回归框架同时处理数据关联、对象描述和探索策略,提升持久且语义一致的对象描述能力。
Comments 24 pages, 7 figures, 7 tables (including Supplementary Materials)