動的タイルというものもあります

あなたの古典的なAnyResアプローチでは、画像をタイルに分割し、それぞれを別々に処理してから、すべてをLLMに渡します。

彼らはそれをFastVLMでもテストしました。タイル分割なしでも、FastVLMはやはりよりスムーズな結果を提供します。