arXiv cs.CV· Qiaoru Li, Shaotian Liang, Jintao Chen, Haoran Sun, Yuxiang Cai, Jianwei Yin, Yankai Jiang·· 2 小时前AI 评分24
VITAL：面向医疗 MLLM 的可解释隐空间推理视觉-语义双重监督框架
VITAL: Visual-Semantic Dual Supervision for Enhanced and Interpretable Latent Reasoning in Medical MLLMs
AI 导读
VITAL 是一个面向医疗 MLLM 的隐空间推理框架，通过文本解码器重建推理链、视觉投影器回归 ROI 特征实现视觉-语义双重监督，两个模块在推理时丢弃以实现零开销，也可事后重新挂载提供文本与视觉双重解释。
来源：arXiv cs.CV · arxiv.org