跳到正文
arXiv · 机器人与计算机视觉· Yiheng Li, Wenhao Wang, Xingyi Li, Zhilin Tang, Zichang Tan, Zhen Lei, Yang Yang·· 4 小时前AI 评分48

SGTD 框架通过支持引导三元解码缓解 LVLMs 多模态对话幻觉

Support-Guided Triadic Decoding for Hallucination Mitigation in Multimodal Dialogue with LVLMs

AI 导读

SGTD 是一种无需训练的框架,利用历史答案视觉支持与目标注意力干预抑制误导信息。在 MMHalSnowball 和 VisDiaHalBench 基准上,该方法在存在幻觉的历史记录下实现了最高准确率,同时保留了事实上下文优势。该预印本适用于各类代表性视觉语言模型(LVLMs),代码与权重开放许可待确认。

来源:arXiv · 机器人与计算机视觉 · arxiv.org