**MAOAM: 基于视觉语言模型的统一对象与材质选择框架**

_MAOAM: Unified Object and Material Selection with Vision-Language Models_

> MAOAM提出了一个统一的交互式选择框架，通过文本或点击提示实现物体和材质级别的精准分割。该框架结合视觉语言模型与分割头，利用多任务训练及辅助VQA任务增强材质理解，并设计了可扩展的材质标注数据生成流程。实验表明，该方法在多种场景下均能产生准确且连贯的选择，且组合多模态提示时可获得涌现式的改进效果。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.04880)