跳到正文
arXiv · 机器人与计算机视觉· Boyang Gong, Yu Zheng, Fanye Kong, Jie Zhou, Jiwen Lu·· 2026-10-08精选AI 评分82

静止即保持静止:打破视觉惯性以缓解关系幻觉

Attention at Rest Stays at Rest: Breaking Visual Inertia to Mitigate Relation Hallucinations

AI 导读

该论文指出多模态大模型虽具备强实体感知能力,但在物体间关系交互上常出现幻觉,且单纯增强视觉信号难以修正。研究揭示幻觉往往源于对先前主导证据的过度依赖(视觉惯性),导致解码性能随历史注意力累积而下降。

推荐理由

针对多模态大模型在关系描述中存在的视觉惯性导致的幻觉问题,提出了一种基于注意力历史动态校准的解码方法。

来源:arXiv · 机器人与计算机视觉 · arxiv.org