跳到正文
arXiv · 机器人与计算机视觉· Sary Elmansoury, Islam Mesabah, Gerrit Gro{\ss}mann, Peter Neigel, Daniel Kondermann, Sebastian J. Vollmer·· 2026-10-19AI 评分42

Decomposing Visual Classification:评估 VLMs 中的树状推理能力

Decomposing Visual Classification: Assessing Tree-Based Reasoning in VLMs

AI 导读

针对细粒度任务表现不足的问题,该研究提出将视觉分类分解为可解释决策的框架,在 GTSRB 和 CIFAR-10 数据集上测试发现,尽管模型理解树知识的准确率达 98.2%,但基于树的推理性能始终低于标准零样本提示。通过引入大语言模型生成的类别与图像描述增强提示词,有效提升了两种方法的对齐效果,揭示了结构化推理在视觉分类中的局限性并为设计可解释系统提供思路。

来源:arXiv · 机器人与计算机视觉 · arxiv.org