CR-Seg：注意力引导与思维链增强的由粗到精推理分割

推理分割旨在通过联合视觉 - 文本推理，分割由复杂语言描述的目标对象。现有方法常依赖语义令牌或显式空间提示，存在跨模态对齐困难或丢失整体语义的问题。为此，本文提出 CR-Seg，一种由粗到精的两阶段推理分割框架。该框架设计了提取注意力图与关键点模块（EAP），用于粗略定位并选取信息点以辅助 SAM 细化掩码；同时引入全局到局部思维链（GLCoT），引导模型从全局场景上下文逐步推理至局部目标细节，有效缓解推理与答案的不一致性。实验证明了该方法的有效性。