跳到正文
arXiv · 机器人与计算机视觉· Netanel Y. Tamir, Michael Green, Issar Tzachor, Or Shimshi, Dvir Samuel, Or Patashnik, Rami Ben-Ari·· 2026-10-19精选AI 评分78

Stuck on Shuffle:基于合成文本监督的视觉语言模型属性 - 对象绑定研究

Stuck on Shuffle: On Attribute-Object Binding in Vision-Language Models

AI 导读

论文介绍 SABER 基准以评估视觉语言模型在四种模态配对下的属性 - 对象绑定能力,发现现有 CLIP 和 MLLM 嵌入器存在显著绑定失败。作者提出仅用合成文本进行属性绑定监督的微调方法,无需图像监督即可将性能迁移至跨模态和图像检索任务,并在 SABER、否定及实例检索基准上取得 SOTA 结果。

推荐理由

提出 SABER 基准揭示属性 - 对象绑定缺陷,仅用合成文本监督微调 MLLM 嵌入器即可在跨模态检索中实现 SOTA。

来源:arXiv · 机器人与计算机视觉 · arxiv.org