arXiv · AI· Mahdi Mostajabdaveh, Zirui Zhou·· 8 小时前AI 评分21
对比视觉-语言模型中空间关系失败的诊断与修复
Discarded or Unreachable? Diagnosing and Repairing Spatial Relation Failure in Vision--Language Similarity
AI 导读
研究发现对比视觉-语言模型在左右关系评分上接近随机，归因于嵌入不可达或池化丢弃。 针对两种失败模式，提出零参数查询条件空间矩方法，在11.8万图像索引上显著提升左右成对准确率与召回率。
来源：arXiv · AI · arxiv.org