Haisheng Fu氏ら、VLM視覚的局在化にラベル不要な層選択手法「WhereBits」を提案
Haisheng Fu氏らは2026年11月17日(現地時間)、Vision-Language Models (VLM)における視覚的局在化のための新たな層選択手法「WhereBits」を発表した。この手法は、ボックスアノテーションや固定ルールに依存せず、アテンション情報のみで局在化に寄与する層を特定する。arXiv cs.CVが公開した論文で詳細が示されたWhereBitsは、既存手法の課題であったアテンションマップの信頼性低下を克服し、COCOデータセットにおいて高いポインティング精度を達成したと報告されている。