利用大语言模型生成的概念，引导全局与局部语义协同对齐，实现更细粒度的可解释图像识别。
张素兰 · Peijun, Zhang · 胡立华 · Xin, Wen · 张继福
Knowledge-Based Systems 2026
引入视觉提示机制提取判别性局部区域，与语义概念实现细粒度交互，从而提供更细致可信的视觉解释。
设计可学习的动态加权机制，根据输入自适应融合全局和局部对齐信息，让模型学会在两者之间分配重要性。
通过去冗余和视觉可辨识性验证策略，驱动大语言模型生成高质量、与视觉内容相关的语义概念，为后续对齐奠定可靠基础。