Apr, 2024
大型视觉语言模型生成的描述的独特性和准确性探究
Exploring the Distinctiveness and Fidelity of the Descriptions Generated
by Large Vision-Language Models
TL;DR该研究使用大规模视觉语言模型(LVLMs)来评估它们在识别相似对象和准确描述视觉特征方面的独特性和忠实度,并提出了文本检索增强分类(TRAC)框架以深入分析细粒度的视觉描述生成。研究结果表明,在生成细粒度描述方面,MiniGPT-4比其他两个模型表现更好。