arXiv · 机器人与计算机视觉· Simone Alberto Peirone, Ortal Senouf, Francesca Pistilli, Giuseppe Averta, Pascal Frossard·· 6 天前AI 评分59
一种面向视觉语言嵌入的通用概念分解方法
A General Concept-based Decomposition for Vision-Language Embeddings
AI 导读
针对视觉语言模型表示是否对齐人类自然描述尚不明确的问题,本文提出 GRACE 方法,在特征空间层面学习概念分解结构。该方法通过新颖的训练目标保持概念空间的几何关系,实现语义与通用概念分解。实验表明,GRACE 在多个图像和视频基准上均能产生与人类感知一致的概念分解,且以最小开销提升现有视觉语言模型的可解释性并保留大部分原始性能。
来源:arXiv · 机器人与计算机视觉 · arxiv.org