跳到正文
arXiv · 机器人与计算机视觉· Xiaomeng Wang, Martha Larson, Ping Mei Vogels, Zhengyu Zhao·· 2026-10-19AI 评分35

大视觉语言模型属性描述稳定性受图像输入及构图影响研究

Visual Input and Its Framing Affect Undermine the Stability of Attribute-based Descriptions Produced by Large Vision-Language Models

AI 导读

研究发现向仅文本提示的大视觉语言模型添加图像,会意外改变其生成的概念属性描述而非实例细节。在七款模型上测试显示,加图使动物物理术语比例从 16.7% 升至 32.8%,而食物感官术语比例则下降。此外,主体聚焦与情境构图两种框架下,41.4% 的动物和 71.4% 的食物概念对属性分布存在显著差异。

来源:arXiv · 机器人与计算机视觉 · arxiv.org