CALICO：基于大型视觉语言模型的部件聚焦语义共同分割

本研究解决了大型视觉语言模型（LVLMs）在多图像间进行分割基础比较时的操作不足，尤其是在物体部件的细颗粒度上。论文提出了一种新任务，即部件聚焦语义共同分割，并引入了CALICO，首个能够在多图像中进行分割和推理的LVLM。实验表明，CALICO在仅微调0.3%模型参数的情况下，实现了在部件聚焦语义共同分割任务中的优越性能。