Tag · 1 篇
ZINA: Multimodal Fine-grained Hallucination Detection and Editing
为视觉语言模型输出提供细粒度幻觉片段定位与错误类型分类(六类),并给出修正建议,可直接用于VLM生成结果的自动核查与后处理编辑;其基于图结构建模错误类型依赖的合成数据生成方式,也可迁移到其他需要细粒度标注稀缺的多模态任务。