跳到正文
arXiv · 机器人与计算机视觉· Marie Amale Huynh, Regev Cohen, Serena Yeung-Levy, Sivan Doveh·· 6 天前AI 评分73

Back to the Question: Tracing Visual Distraction Through Text Tokens

Back to the Question: Tracing Visual Distraction Through Text Tokens

AI 导读

该论文针对视觉语言模型在存在干扰图像时的准确性下降问题,通过注意力分析与消融实验发现中层干扰图到文本的连接是主要路径。研究提出一种答案一致性正则化方法,在不直接约束注意力的情况下减少干扰影响,使五个基准测试的循环准确率平均提升 16 个百分点,同时保持单图性能。材料为预印本论文,未涉及真实机器人部署或产品发布。

来源:arXiv · 机器人与计算机视觉 · arxiv.org