arXiv · 机器人与计算机视觉· Dongwu Qian·· 9 天前AI 评分73
Counting Events, Not Seeing Them: Diagnosing and Repairing the Readout Failure in Video LLMs
Counting Events, Not Seeing Them: Diagnosing and Repairing the Readout Failure in Video LLMs
AI 导读
该论文指出视频大模型在物体穿越屏幕计数任务上的失败并非因缺乏客体永存性,而是读出机制无法解码计数信号。研究通过合成测试床与真实视频审计(REALCOUNT)验证了这一点,并提出两种修复方案:局部化监督与离散事件符号侧信道,将同类计数准确率从 46.7% 提升至 65.0%,在特定条件下可达 94.4%。
来源:arXiv · 机器人与计算机视觉 · arxiv.org