Tag · 2 篇
物体幻觉
分布 视觉语言模型1数据集与评测1
01 02
同样的注意力，不同的真相：用 Logit Lens 审视视觉注意力以检测和缓解 LVLM 物体幻觉
Same Attention, Different Truths: Put Logit-Lens over Visual Attention to Detect and Mitigate LVLM Object Hallucination
提出用 Logit Lens 解码高注意力区域的视觉特征，以检测 LVLM 物体幻觉，并针对视觉不确定性和上下文先验两种机制分别设计免训练缓解策略（HARM 和 VEED），可直接用于提升多模态模型生成可靠性。
细粒度多图物体幻觉基准
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。