研究解释 VLM 为何漏检小目标及局部放大何时安全

论文提出用目标侧向视觉 token 数 S 与单次调用覆盖内容 L 解释 VLM 在大图中漏检小目标：整图送入时目标侧 token 至多为 m*sqrt(N/(WH))，token 预算翻倍只让最大 S 提高约 41%，且达到所需 S 至少需要约 S^2 量级 token。