arXiv · 机器人与计算机视觉· Andr\'e G. Viveiros, Nuno Gon\c{c}alves, Andr\'e F. T. Martins, Matthias Lindemann·· 9 天前AI 评分43
论文《What's Holding Back Latent Visual Reasoning?》揭示阻碍潜在视觉推理的两项关键瓶颈
What's Holding Back Latent Visual Reasoning?
AI 导读
研究发现模型精度不受无信息哑元替换影响,表明现有数据中潜变量提供的额外信息有限且推理时生成的潜变量坍缩至狭窄区域。实验证实仅在诊断数据集上微调后模型才能因果依赖潜变量,未来进展需高质量中间步骤数据与更精准的潜变量预测。
来源:arXiv · 机器人与计算机视觉 · arxiv.org