Tag · 4 篇
跨模态一致性
分布 视觉语言模型2数据集与评测1视频理解与时序1
01 02 03 04
VMD-FACT：一个用于检测真实感AI生成视频虚假信息的新视频数据集与基于多模态大语言模型的方法
VMD-FACT: A New Video Dataset and MLLM-based method for Detecting Realistic AI-Generated Video Misinformation
该工作提出的RAVM数据集和IEEG模型为检测AI生成视频虚假信息提供了新基准和可解释方法，视觉研究者可借鉴其证据图构建和跨模态一致性分析思路，用于视频真实性验证和多模态推理任务。
相同内容，不同答案：多模态大语言模型中的跨模态不一致性
Same Content, Different Answers: Cross-Modal Inconsistency in MLLMs
该论文提出的REST/REST+基准可用于系统评估多模态大语言模型的跨模态一致性，其发现视觉特征（文本颜色、分辨率）和视觉token数量影响模型性能，为设计更鲁棒的视觉语言模型提供了可复用的评测方法和分析视角。
R-C2：循环一致性强化学习提升多模态推理
R-C2: Cycle-Consistent Reinforcement Learning Improves Multimodal Reasoning
用跨模态循环一致性构造无标签的密集奖励，可直接迁移到 VLM 的视觉问答与多模态推理训练中，替代投票式自一致性来抑制模态偏置。
面向深度伪造定位的不一致性感知多模态薛定谔桥
Inconsistency-aware Multimodal Schrodinger Bridge for Deepfake Localization
把薛定谔桥当作无需显式加噪去噪的一致性度量与跨模态信息选择器，用一致性统计非对称分配桥步数，可迁移到任何需要抑制单侧噪声的多模态时序定位任务。