Perceptueel Stroomnetwerk voor Visueel Gegronde Redenering
Perceptual Flow Network for Visually Grounded Reasoning
May 4, 2026
Auteurs: Yangfu Li, Yuning Gong, Hongjian Zhan, Teng Li, Yuanhuiyi Lyu, Tianyi Chen, Qi Liu, Ziyuan Huang, Zhihang Zhong, Dandan Zheng, Yue Lu
cs.AI
Samenvatting
Ondanks het succes van Large Vision Language Models (LVLMs) slagen algemene optimalisatiedoelen (zoals standaard MLE) er niet in visuele trajecten te begrenzen, wat leidt tot taalvervorming en hallucinatie. Om dit te beperken, introduceren huidige methoden geometrische prioren van visuele experts als aanvullende supervisie. Wij merken echter op dat dergelijke supervisie typisch suboptimaal is: ze is bevooroordeeld naar geometrische precisie en biedt beperkte redeneernuttigheid. Om deze kloof te overbruggen, stellen wij Perceptual Flow Network (PFlowNet) voor, dat rigide afstemming met de expertprioren vermijdt en interpreteerbaar doch effectiever visueel redeneren bereikt. Concreet ontkoppelt PFlowNet perceptie van redenering om een zelf-geconditioneerd generatieproces op te zetten. Op basis hiervan integreert het multidimensionale beloningen met vicinale geometrische vormgeving via variational reinforcement learning, waardoor redeneringsgerichte perceptuele gedragingen worden gefaciliteerd terwijl visuele betrouwbaarheid behouden blijft. PFlowNet biedt een bewijsbare prestatiegarantie en competitieve empirische resultaten, waarbij het met name nieuwe state-of-the-art records vestigt op V* Bench (90,6%) en MME-RealWorld-lite (67,0%).
English
Despite the success of Large-Vision Language Models (LVLMs), general optimization objectives (e.g., standard MLE) fail to constrain visual trajectories, leading to language bias and hallucination. To mitigate this, current methods introduce geometric priors from visual experts as additional supervision. However, we observe that such supervision is typically suboptimal: it is biased toward geometric precision and offers limited reasoning utility. To bridge this gap, we propose Perceptual Flow Network (PFlowNet), which eschews rigid alignment with the expert priors and achieves interpretable yet more effective visual reasoning. Specifically, PFlowNet decouples perception from reasoning to establish a self-conditioned generation process. Based on this, it integrates multi-dimensional rewards with vicinal geometric shaping via variational reinforcement learning, thereby facilitating reasoning-oriented perceptual behaviors while preserving visual reliability. PFlowNet delivers a provable performance guarantee and competitive empirical results, particularly setting new SOTA records on V* Bench (90.6%) and MME-RealWorld-lite (67.0%).