arXiv · 机器人与计算机视觉· Chaitat Utintu, Ahmed Bourouis, Arkaprabha Basu, Yi-Zhe Song·· 23 天前AI 评分50
素描揭示了 LVLM 的惯例、定位与区域:一项无需微调的诊断研究
What Sketches Tell Us about LVLMs: Conventions, Grounding, and Localisation
AI 导读
该研究引入一种无需微调的素描探测工具,通过时间顺序构建、空间注意力定位和机制层头定位三个维度评估大型视觉语言模型。实验在两个部分标注的素描数据集上对九种模型进行评测,发现模型内部结构信号能保留人类绘图惯例且定位集中在特定网络层带。该方法可作为实用诊断工具,无需辅助分割器即可匹配或提升所有测试模型的定位准确率。
来源:arXiv · 机器人与计算机视觉 · arxiv.org