arXiv · 机器人与计算机视觉· Dan Zlotnikov, Ohad Ben-Shahar·· 2026-10-21AI 评分42
DISTRACT:视觉语言跟踪器在图像退化下的文本引用研究基准
DISTRACT: Degradation-Indexed Study of Textual Reference Across Competing Targets
AI 导读
DISTRACT 是一个匹配干预基准,固定视频、目标与干扰项,沿控制严重度轴交叉四种文本先验与四种图像退化以评估五款 VLT。Molmo2 和 JointNLT 表现出定向文本使用且决策近状态可解码冲突文本,而 UVLTrack、MMTrack 及 DUTrack 在测试设置下无显著行为效应。该研究揭示了视觉证据恶化时文本影响跟踪的时机与位置,相关代码与数据待 arXiv 注册后开放。
来源:arXiv · 机器人与计算机视觉 · arxiv.org