Kunstmatige intelligentie die een beeld bekijkt, doet dat meestal in één keer — en dat is een probleem. Als die eerste blik niet genoeg details oplevert, kan het model niet opnieuw kijken. Onderzoekers onder leiding van Wencheng Ye lossen dat op met LoopLook, een framework dat op 22 oktober 2026 werd gepubliceerd op arxiv.org. Het systeem verbetert de samenwerking tussen visuele waarneming en logisch redeneren in Vision-Language Models (VLMs).
Waarom één blik niet genoeg is
Huidige visuele modellen verwerken beelden meestal in één enkele stap door een encoder. Die analyse is taak-agnostisch: het model scant het beeld zonder te weten welke vraag erover gesteld gaat worden. Het model kan dan wel redeneren over de data die het heeft, maar het mist de mogelijkheid om gericht naar details te zoeken als de eerste scan onvoldoende informatie opleverde.
Hoe LoopLook werkt
Het project, dat wordt toegelicht op dcu.ie, introduceert een recurrent perceptie-framework dat aan de encoder-zijde van het model wordt geïntegreerd. In plaats van één analyse keert LoopLook herhaaldelijk terug naar specifieke fasen van de visuele encoder.
Tijdens elke herhaling — elke 'loop' — worden representaties van de gestelde vraag in het proces geïnjecteerd. De visuele verfijning wordt daardoor aangestuurd door de vraagstelling, zodat het model gericht relevante details kan opzoeken. Een adaptief stopmechanisme voorkomt dat het proces oneindig doorgaat: het bepaalt wanneer de benodigde visuele diepte is bereikt.
Daarnaast gebruikt het framework 'token-wise Mixture-of-Looks (MoL)'. Deze techniek combineert de representaties uit de verschillende loops, zodat elk visueel token selectief informatie kan integreren die tijdens de recurrente stappen is verzameld.
Meetbare winst
LoopLook is getest op acht benchmarks en vier backbones. De verbetering ten opzichte van standaardmodellen is consistent. De grootste winst zit op de benchmark MMStar, met een verbetering tot 8,6%, en op HallusionBench, waar de prestaties met 8,1% stegen.
De analyse toont verder dat LoopLook de visuele aandacht progressief verfijnt en de analysediepte aanpast aan de complexiteit van de taak. Een bijkomend voordeel: het systeem behoudt relevante visuele informatie beter, zelfs wanneer de resolutie van de input wordt verlaagd.
Efficiënt: nauwelijks trager
Meer recurrente stappen betekent normaal gesproken meer vertraging, maar LoopLook blijft relatief efficiënt. De 'time to first token' (TTFT) — de tijd voordat het model begint met genereren — stijgt volgens de publicatie slechts tussen de 5,1% en 6,5%.
Door de recurrentie vanuit het redeneerproces terug te brengen naar de perceptiefase verandert LoopLook visuele waarneming van een statische glimp in een adaptief proces van continue verfijning. VLMs kunnen daardoor accurater en doelgerichter reageren op complexe visuele vragen.
🧠 Even simpel uitgelegd
Stel dat je een foto krijgt en iemand vraagt: "Welke kleur heeft het bandje om de pols van de persoon links?" Als je de foto maar één keer kort bekijkt, zag je dat bandje misschien niet. Je zou dan opnieuw moeten kijken — gericht, omdat je weet wat je zoekt. Precies dat doet LoopLook voor AI: het model mag meerdere keren 'terugkijken' naar het beeld, telkens met de vraag in gedachten. Een ingebouwde rem bepaalt wanneer er genoeg gekeken is, zodat het model niet eeuwig blijft staren.