Tag · 1 篇
Fine-Grained Multi Image Object Hallucination Benchmark
做多模态大模型视觉理解时,可把 MIOH 的三类多图推理模式(综合/对比/选择)与三种对抗压力(视觉上下文规模、感知难度、上下文偏置)当作诊断探针,定位幻觉是发生在感知阶段还是跨图对象表征整合阶段,从而指导多图融合模块的设计与评测。