论文Agent 与开发者10:24LoCaR: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#多模态aarXiv cs.AI@Rahim Hossain 等 6 人原文稍后读已读值得跟进有用关注 LoCaR