A Survey of Visual Reasoning in Vision-Language Models |视觉语言模型视觉推理方法综述

这篇综述梳理了视觉语言模型(VLM)里视觉推理的整套技术路线,核心痛点是很多 VLM 容易依靠语言先验猜答案,而不是真的看懂图片里物体位