› VPS (Visual Parallel Search) è un framework che analizza immagini ad alta risoluzione dividendole in riquadri esaminati in parallelo, prima di decidere dove ingrandire.
› Guadagna fino a 8 punti percentuali di accuratezza rispetto all'approccio sequenziale.Il lavoro proviene da arXiv (cs.CV, cs.AI), presentato il 29 settembre 2026.
› Gli autori sono un team di otto persone: Xijia Tao, Yihua Teng, Xinyu Fu, Cheng Gong, Ziru Liu, Xudong Xie, Rui Liu e Lingpeng Kong.Il problema dei modelli multimodali con immagini ad alta risoluzioneI modelli multimodali (quelli che comprendono simultaneamente testo e immagine) hanno difficoltà con le immagini ad alta risoluzione.
› Per rispondere a una domanda su un piccolo frammento ben localizzato di una foto, il modello deve prima scegliere dove guardare - e lo fa prima di aver visto l'insieme.