本研究提出了一种多尺度视觉知识对齐方法，解决了多模态大语言模型在精细视觉理解中的知识对齐不足问题。该方法有效整合文本、坐标和图像信息，显著提升模型在复杂视觉场景中的表现。TinyGroundingGPT模型在接地任务中表现优异，性能与更大规模模型相当。
论文介绍了多尺度视觉Transformer模型MViT，该模型将多尺度特征与Transformer结合，逐层扩展特征复杂度并降低分辨率。在视频识别和图像分类任务中，MViT的表现优于单尺度ViT，显著提升了性能。通过多阶段设计和灵活的池化操作，优化了计算复杂度和内存需求。
完成下面两步后，将自动完成登录并继续当前操作。
