arXiv · 机器人与计算机视觉· Yangguang Lin, Quan Fang, Xiaoyan Liu, Zefan Xu·· 15 天前AI 评分68
SPOD:通过单次正交分解在视频大语言模型中恢复被抑制的时间证据
SPOD: Recovering Suppressed Temporal Evidence in Video-LLMs via Single-Pass Orthogonal Decomposition
AI 导读
针对视频大语言模型在场景转换理解和事件排序等时序敏感任务中的幻觉问题,本文提出无需重训的单次前向框架 SPOD。该方法利用帧显著性分析和时间差子空间技术,对隐藏状态进行分解与独立缩放,以增强动态信息并抑制静态外观偏差。
来源:arXiv · 机器人与计算机视觉 · arxiv.org