待验证50% 置信事实精确时间
VLM在描述整体场景时表现出色，却在精确定位微小目标时频频出错，这是因为当画面元素密集时单个patch可能包含多个人物导致细节信息在下采样中被稀释或丢失
1
来源数
50%
置信度
长期有效
时效性
2026/8/28
首次发现
来源
涉及实体
相关事实
待验证扩散模型生成图像的宽高设置若偏离训练分辨率太远，可能导致重复构图、人物比例失调等问题65% 相似待验证一位Reddit用户分享了使用Qwen 3.6 VLM尝试在《威利在哪里》密集人群画面中寻找威利的实验，结果显示模型面对高密度目标搜索任务时表现力不从心64% 相似待验证模型中不同层对量化误差敏感度差异极大，注意力层的QKV投影和输出投影通常比MLP层中间权重更敏感，首尾层比中间层更脆弱64% 相似待验证跳过访谈环节直接生成往往质量参差不齐，因为模型是在用随机猜测填充用户意图的空白处64% 相似待验证研究表明在目标检测任务中不恰当的图像预处理可能导致mAP下降5-15个百分点64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/810990API
curl https://kongchang.com/api/v1/knowledge/claims/810990MCP
get_claim(id=810990)