跳到正文
arXiv · 机器人与计算机视觉· Mahdi Mostajabdaveh, Zirui Zhou·· 14 天前AI 评分58

Discarded or Unreachable? Diagnosing and Repairing Spatial Relation Failure in Vision--Language Similarity

Discarded or Unreachable? Diagnosing and Repairing Spatial Relation Failure in Vision--Language Similarity

AI 导读

该论文诊断并修复了对比式视觉语言模型在空间关系(如左/右)上的失效问题,发现其成因包括聚合层无法访问或丢弃几何信息。作者提出一种零参数的查询条件化方法,从补丁网格中重新计算几何结构并存储为向量。

来源:arXiv · 机器人与计算机视觉 · arxiv.org