计算机科学 > 计算机视觉与模式识别
[提交于 2025年9月18日
]
标题: MARIC:图像分类的多智能体推理
标题: MARIC: Multi-Agent Reasoning for Image Classification
摘要: 图像分类传统上依赖于参数密集型模型训练,需要大规模标注数据集和广泛的微调才能实现有竞争力的性能。 尽管最近的视觉语言模型(VLMs)减轻了这些限制,但它们仍受限于对单次传递表示的依赖,通常无法捕捉视觉内容的互补方面。 在本文中,我们引入了基于多智能体的图像分类推理(MARIC),这是一个多智能体框架,将图像分类重新表述为协作推理过程。 MARIC首先利用一个轮廓智能体来分析图像的全局主题并生成针对性提示。 基于这些提示,三个方面智能体沿着不同的视觉维度提取细粒度描述。 最后,推理智能体通过集成反思步骤合成这些互补输出,生成用于分类的统一表示。 通过明确将任务分解为多个视角并鼓励反思性合成,MARIC弥补了参数密集型训练和单一VLM推理的不足。 在4个不同的图像分类基准数据集上的实验表明,MARIC显著优于基线,突显了多智能体视觉推理在鲁棒和可解释图像分类中的有效性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.