Seg-Zero

收录理由

Seg-Zero 是一套面向视觉语言模型的研究代码，核心思路是让模型在生成分割掩码之前，先输出一段推理链，明确“该先看哪里、找什么”，再据此完成图像分割。整个训练过程完全依赖强化学习，用 IoU 和 L1 奖励引导模型学会推理，不引入任何显式的监督推理数据。如果你在做指代表达分割或视觉定位，仓库里放出的 7B 权重和基于 RefCOCOg 整理出的训练数据，可以直接作为实验起点。代码基于 EasyR1 和 veRL 搭建，支持 Qwen2-VL 与 Qwen2.5-VL 系列模型，并已实现常用的目标检测与分割奖励函数，还附带推理、评估脚本以及面向多卡环境的 GRPO 训练流程。需要说明的是，这是研究型工具而非开箱即用的产品，实际使用时往往要针对自己的数据和硬件条件调整管线。