跳到正文
arXiv · 机器人与计算机视觉· Tobias Braun, Marcus Rohrbach, Lorenzo Cavallaro·· 14 小时前AI 评分72

The Elephant in the Question:利用 V-lens 可视化统一模型答案背后的概念

The Elephant in the Question: Unified Models Picture the Concepts Behind Their Answers

AI 导读

论文介绍 V-lens 方法,用于在无需训练解码器的情况下,通过统一多模态模型的图像生成器访问文本处理过程中的隐藏状态以可视化中间表征。研究在四种扩散模型和两种自回归统一模型上验证了该方法能揭示连接问题与答案的关键中间概念。

来源:arXiv · 机器人与计算机视觉 · arxiv.org