arXiv · 机器人与计算机视觉· Ziqi Wen, Parsa Madinei, Miguel P. Eckstein·· 20 天前AI 评分65
通过反事实语义显著性揭示人类与大模型场景描述差距
Revealing the Gap in Human and VLM Scene Description through Counterfactual Semantic Saliency
AI 导读
针对大视觉语言模型(VLM)与人类高层语义场景理解对齐的挑战,本文提出反事实语义显著性(CSS)框架。该黑盒方法通过测量因果消融引起的语义偏移来量化物体重要性。
来源:arXiv · 机器人与计算机视觉 · arxiv.org