PapersBuilders10:24Chinese contentLoCaR:基于冻结视觉语言模型的局部画布检索框架用 SAM2 加冻结视觉编码器做免训练的局部检索,专门解决整图嵌入看不清小物体的老毛病,还附赠一个 LOCFG 基准可以直接跑。做图像搜索或 RAG 检索的同学可以照着复现,不用改任何底座模型权重。#LoCaR#SAM2#Visual Genome#multimodalaarXiv cs.AI@Rahim Hossain et al. (6)SourceRead laterReadWorth followingUsefulFollow LoCaR