TPAMI 2025 | RelationLMM：作为开放通用视觉关系多面手的大型多模态模型

论文信息

题目：RelationLMM: Large Multimodal Model as Open and Versatile Visual Relationship Generalist

RelationLMM：作为开放通用视觉关系多面手的大型多模态模型

作者：Chi Xie, Shuang Liang, Jie Li, Zhao Zhang, Feng Zhu, Rui Zhao, and Yichen Wei

论文创新点

1. 构建统一通用模型框架：以往视觉关系任务的研究多为特定任务构建专门模型，而本文作者基于LMMs构建了一个全新的统一框架，提出RelationLMM。
2. 提出任务元素拆解（TED）方法：针对VR任务之间的冲突问题，作者提出TED方法。将复杂的VR任务拆解为多个简单、常见的基