跳到正文
arXiv · 机器人与计算机视觉· Riasad Alvi, Md. Asaduzzaman Shuvo, Md. Ahashan Habib, Md. Faiyaz Abdullah Sayeedi·· 15 天前AI 评分52

基于熵门控的动态校正用于缓解大视觉语言模型的物体幻觉

Entropy-Gated Dynamic Rectification for Object Hallucination in Large Vision-Language Models

AI 导读

针对大视觉语言模型(LVLMs)常命名图像中不存在物体的问题,本文提出一种无需额外前向传播的熵门控动态校正方法(EGDR)。该方法利用生成过程中的预测熵作为局部控制信号,在不确定性高时降低干预阈值以抑制幻觉,而在确定性高时保持校准的工作点。

来源:arXiv · 机器人与计算机视觉 · arxiv.org