大模型免回归定位
用单个空间坐标token表示关键点，绕开文本坐标回归误差与文本空间错位，实现在情绪识别任务中看不见的关键点类型的灵活定位。
Jianing, Li · Xiaobin, Liu · Eom, Chanho · Yang, Shuang · He, Jianzhong · 姚涵涛 · 苑晶
Pattern Recognition 2026
每个关键点坐标用词汇表中的一个空间坐标token表示，避免文本空间错位和长程回归困难，提升定位准确率。
视觉token增强策略将细粒度信息嵌入粗粒度图像token，使模型感知细微线索，计算开销增加极小。
构建多样化关键点文本指令，引导L3M学习，提升模型灵活性与泛化性。