“大型视觉语言模型在目标计数领域取得进展，但面临类别语义错位与解码器架构局限两大挑战。专家提出跨分支协作对齐网络（CANet），采用双分支解码器架构与视觉—文本类别对齐损失，有效解决上述问题，在多个基准数据集上取得优异性能，为复杂场景下的计数鲁棒性提升提供新思路。”