AI 导读
（CVPR 2026）Machine Mental Imagery 直接指出，VLM 的 text-only decoding 会迫使视觉推理被语言化，并尝试让模型利用 latent visual tokens 进行视觉想象
正文
（CVPR 2026）Machine Mental Imagery 直接指出，VLM 的 text-only decoding 会迫使视觉推理被语言化，并尝试让模型利用 latent visual tokens 进行视觉想象
来源：@ZHO_ZHO_ZHO · x.com