通用框架统一三类任务
结合LLM重构与框式分割，统一实体识别、视觉定位与分割，解决图文弱关联与粒度不一致问题。
Jinyuan, Li · Ziyan, Li · Han, Li · 俞建飞 · 夏睿 · Sun, Di · 潘刚
IEEE Transactions on Multimedia 2026
通过LLM重构将MNER、VE、VG联合建模，不再依赖目标检测器预提取区域特征。