arXiv · 机器人与计算机视觉· Mayank Nautiyal, Tianru Zhang, Li Ju, Ekta Vats, Prashant Singh·· 24 天前AI 评分68
PROVE:基于块级证据的概率视觉定位方法
PROVE: Probabilistic Visual Grounding via Patch-Level Evidence for Vision-Language Models
AI 导读
PROVE 是一种用于视觉语言模型的后期证据适配器,在不修改主干网络的情况下将冻结的 CLIP 块特征映射为每个块的贝塔分布。该方法将定位视为块成员资格问题,通过证据目标函数训练,并利用先验拉回机制使无参照物示例靠近非信息先验,从而利用空性作为缺失信号。
来源:arXiv · 机器人与计算机视觉 · arxiv.org