标签
本文提出结构化缺陷定位（SDG）方法，将文本到图像缺陷建模为（位置、类型、原因、重要性）结构化元组，并利用视觉语言模型（VLM）进行检测，同时构建了包含3万张图像的SDG-30K数据集以及名为BoxFlow-GRPO的诊断到对齐框架。