国科大等团队提出视觉精度搜索方法，突破多模态模型可解释性难题

由中国科学院、新加坡国立大学、华为技术有限公司及中山大学联合开发的视觉精度搜索（VPS）方法，在多模态物体级基础模型的可解释归因技术上取得突破。该方法通过子模优化和集合函数评估，结合线索分数与协作分数，用更少的区域生成高精度归因图，有效解决现有方法在大规模或复杂模型中的局限性。实验表明，VPS 方法在 MS COCO、RefCOCO 和 LVIS 数据集上的多个指标显著超越现有方法，达到 SOTA 水平。此外，VPS 方法不仅能解释正确决策，还能揭示错误预测原因，助力模型改进。该成果获 CVPR 2025 满分评分并被评为 Highlight Paper（2.98% 接受率）。未来，团队计划将其应用于实际任务，进一步提升模型可靠性和安全性。
来源：https://mp.weixin.qq.com/s/QVMua-5RGfSJzH-_tv_gRA