跳到正文
arXiv · 机器人与计算机视觉· Mochamad Rizal Fauzan, Irgi Surya·· 2026-10-19AI 评分58

VLM 何时意识到自己看不见?基于物理可见度轴的准确率、置信度与弃答研究

How Murky Before a VLM Knows It Cannot See? Accuracy, Confidence and Abstention on a Physical Visibility Axis

AI 导读

该论文在物理可见度轴上量化了视觉语言模型(VLM)的准确率、内部置信度及弃答行为,发现模型在能见度降至极低水平时仍可能保持高内部置信度,存在显著的盲点。研究基于 1000 张 COCO 场景图像和五个参数规模为 2-5B 的小规模 VLM,分别在雾(遵循 Koschmieder 模型)和水下环境中测试了单目深度图下的物体识别任务。

来源:arXiv · 机器人与计算机视觉 · arxiv.org