**WinARDet：压缩窗口自回归解决长视界视觉语言定位中的重复框问题**

_WinARDet: Compressed Window Auto-Regression for Long-Horizon Vision-Language Grounding_

> 针对多模态大模型在密集场景中因历史答案注意力接管而陷入重复框生成的问题，论文提出了 WinARDet。该模型采用压缩窗口自回归机制，将长序列划分为窗口并压缩历史坐标，在减少冗余的同时保留跨窗口依赖，显著提升了 RSDense 数据集上的定位性能并降低了重复率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.19419)