跳到正文
arXiv · 机器人与计算机视觉· Zhixin Cai, Ruoqi Yuan, Xinchen Yang, Zhuofan Chen, Jun Bai, Chuantao Yin, Wenge Rong·· 2026-10-15AI 评分60

通过注意力引导的表示扰动缓解视频幻觉

Mitigating Video Hallucinations via Attention-Guided Representation Perturbation

AI 导读

视频大语言模型常生成不受输入视频支持的响应。现有对比解码方法依赖预定义扰动或掩码,对模型视觉依赖的控制有限。本文提出无需训练的 ARP-CD 框架,利用答案预测位置分配给视觉 token 的注意力质量来引导语言模型输入视觉隐藏状态的有界梯度更新。

来源:arXiv · 机器人与计算机视觉 · arxiv.org