返回全部题目← 上一题27 / 315下一题 →题库/模型基础与推理/Q-4505VLM 中的视觉 Grounding 是什么，应如何评估？知识专题：多模态与生成模型题目类型：效果评估技术难度：进阶收录题集：8 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目本题目录收录题集相关题目收录题集8 份多模态与计算机视觉阿东玩 AI · AgentGuide · 1 条原题查看题集 →【MLLM定位能力】你觉得 MLLM 能做好 grounding 任务吗？ 「蚂蚁集团」理论基础面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →请解释Grounding在 VLM 领域中的含义。我们如何评估一个 VLM 是否能将文本描述准确地对应到图片中的特定区域？DeepSeek高频面试题Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →题目七：多模态视觉原语推理框架的数学建模京东高频面试题Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →项目:为什么你的VLM是输出点的坐标，而不输出bbox呢，bbox按道理比点的坐标具有更多的图像信息吧?AI多模态精华版·主流模型核心技术Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →归一化、千分制、绝对坐标三种表示如何对比选型？IoU 奖励、特殊 token 与高分辨率如何共同保证定位精度？展开剩余 3 份题集GLM-V系列模型核心考点Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →GLM-4.5V在视觉定位任务中如何实现边界框的精确生成？Qwen-VL系列模型核心考点Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →Qwen2.5-VL使用绝对位置坐标相比归一化坐标在目标检测中的优势？LLM、VLM 与 Agent 面试题Datawhale · hello-agents · 1 条原题查看题集 →请解释Grounding在 VLM 领域中的含义。我们如何评估一个 VLM 是否能将文本描述准确地对应到图片中的特定区域？相关题目4 题0522轨迹模型采用什么动作空间？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0536你了解哪些多模态大模型及其原理？同一知识专题题目类型：原理机制技术难度：进阶相关面经：1 篇0777视频帧是否作为图片文件直接输入多模态模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇0787长视频为什么不能一次全部交给大模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题视频视觉语言模型相比静态图像模型，需要解决哪些额外问题？下一题 →不同 VLM 架构如何进行跨模态融合，各有什么优缺点？
