Chain-of-Sketch: Enabling Global Visual Reasoning
现代视觉模型在基准测试中取得了显着的成功，其中局部特征提供了有关目标的关键信息。现在，人们越来越有兴趣处理需要更多全局推理的任务，其中局部特征无法提供重要信息。 Minsky 和 Papert 于 1969 年通过连通性研究提出了此类任务，暴露了感知器模型的局限性。在本文中，我们介绍了一组扩展的全局视觉数据集，涉及图形、字符串、迷宫和图像网格。我们表明大型视觉模型仍然难以学习这些任务......
