项目：为什么你的 VLM 输出点的坐标，而不输出 bbox？bbox 按道理比点的坐标具有更多的图像信息吧？

Question

Accepted Answer

考察点：考察对视觉-语言模型输出表征选择的理解，以及能否结合任务目标、数据标注和训练难度进行权衡。回答思路：说明点坐标对任务的适配性和精度优势 分析 bbox 的信息冗余与标注成本问题 结合任务需求和数据设计解释选择依据 体现方案权衡与工程考虑

考察说明