arXiv · 机器人与计算机视觉· Malvina Nikandrou, Georgios Pantazopoulos, Ioannis Konstas, Alessandro Suglia·· 20 天前AI 评分42
CulturalBind 基准评估视觉语言模型的跨模态文化知识编辑能力
Evaluating Cultural Knowledge Editing in Vision-Language Models
AI 导读
CulturalBind 基准包含来自 6 个领域的 1K 概念共 3.2K 张图片,用于评估视觉语言模型(VLM)的跨模态文化知识及概念级知识编辑。预编辑测试显示文本与视觉知识解耦,现有方法虽能修正单点错误但缺乏跨模态迁移性且连续编辑性能急剧下降。该工作揭示了将长尾文化概念注入现有模型的挑战,并呼吁开发更全面的适应方案以巩固多模态知识。
来源:arXiv · 机器人与计算机视觉 · arxiv.org