跳到正文
arXiv · 机器人与计算机视觉· Ankit Sonthalia, Arnas Uselis, Seong Joon Oh·· 23 天前AI 评分43

视觉模型是否理解"3 就是 3"?研究揭示跨域概念编码的“碎片化线性”现象

Do vision models know that three is three?

AI 导读

该研究测试了 46 个视觉编码器在数字与手势等不相关视觉域中,发现数值、年龄等 10 类概念的局部线性方向普遍存在但全局线性缺失。这种现象被称为“碎片化线性”,表明模型在不同视觉域间无法共享统一的概念方向,且仅当局部线性增强时才能逐步突破此限制并实现跨域转移。

来源:arXiv · 机器人与计算机视觉 · arxiv.org