CoPRS：基于链律思考学习位置先验的推理分段
计算机视觉与模式识别
2026-03-20 v3 多媒体
摘要
现有推理分段工作要么直接将语言模型的隐藏特征连接到掩码解码器，要么在文本中表示位置，从而限制可解释性和语义细节。为此，我们提出CoPRS，一种基于多模态链律思考（MCoT）的positional感知模型，通过以可微且可解释的位置先验形式化的热图桥接语言推理到分段。通过MCoT使推理过程清晰可见，并以稠密可微热图形式表达，这一接口增强了可解释性和诊断分析，使目标上的证据更为集中。一个可学习的集中标记整合图像和推理文本的特征，以生成此位置先验，经轻量级解码器解码以精确掩码，提供推理与分段之间的直接联系。在RefCOCO系列和ReasonSeg上，CoPRS在每个标准划分下均达到或超过当前报告的最佳指标，性能在验证和测试分区中均处于或高于先前最佳水平。大量实验表明，CoT轨迹、生成的热图和解码掩码之间存在强烈正相关，支持推理输出与下游掩码生成之间的可解释对齐。总体而言，这些发现支持该范式在桥接推理与分段方面的实用性，并显示出受推理驱动的集中以及在更精确掩码预测方面的优势。代码已发布于https://github.com/ZhenyuLU-Heliodore/CoPRS。
引用
@article{arxiv.2510.11173,
title = {CoPRS: Learning Positional Prior from Chain-of-Thought for Reasoning Segmentation},
author = {Zhenyu Lu and Liupeng Li and Jinpeng Wang and Yan Feng and Bin Chen and Ke Chen and Yaowei Wang},
journal= {arXiv preprint arXiv:2510.11173},
year = {2026}
}
备注
Accepted to ICLR 2026. 20 pages, 8 figures, 4 tables