MegaCOIN: Enhancing Medium-Grained Color Perception in Vision-Language Models

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了MegaCOIN数据集,以提升视觉语言模型在色彩感知和空间上下文理解方面的能力。经过微调,模型在视觉评估任务中表现显著改善,超越了GPT-4o等闭源模型。

🏷️

标签

➡️

继续阅读