跳到正文
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