arXiv ID:
2607.05859
arXiv 提交日期: 2026-07-07
自适应视觉注意力-视觉语言模型:用于野外施工现场监控 / AVA-VLM: Adaptive Visual Attention-Vision Language Model for In-the-Wild Construction Site Monitoring
1️⃣ 一句话总结
该论文提出一种模仿人类检查员从粗略到精细观察过程的视觉语言模型AVA-VLM,它先看全局低分辨率图像,仅在必要时自动请求高分辨率局部细节,从而在远距离、低分辨率等苛刻条件下显著提升建筑工地监控的可靠性和效率,同时大幅减少计算资源消耗。