arXiv · 机器人与计算机视觉· Jiabing Yang, Chenhang Cui, Yixiang Chen, Tao Yu, Yan Huang, Liang Wang·· 9 天前AI 评分68
IKOD:一种针对大视觉语言模型解码期物体幻觉的图像注意力引导键值合并方法
IKOD: Image-Attention-Guided Key-Value Merging against Object Hallucination in the Decoding of Large Vision-Language Models
AI 导读
该研究提出 IKOD(Image-Attention-Guided Key-Value Merging against Object Hallucination in the Decoding),这是一种无需训练的协作解码器,直接压缩生成过程中的竞争文本上下文以抑制物体幻觉。
来源:arXiv · 机器人与计算机视觉 · arxiv.org