关键词large vision-language models (lvlms)
搜索结果 - 2
- 基于 LVLM 的图像描述中,更多的细节总是引入更多的幻觉吗?
我们提出了一种新的解码策略,名为差异化束搜索解码(DBD),以及一组可靠的评估指标:CLIP-Precision、CLIP-Recall 和 CLIP-F1,用于图像描述。我们的方法在 Visual Genome 数据集上进行了广泛实验证明 - CIEM:用于更好的指导调整的对比指导评估方法
通过对大型视觉语言模型(LVLMs)进行研究,解决了现有视觉语言模型(VLMs)在下游应用中生成不正确感知信息的幻觉问题,利用对比指导评估方法(CIEM)和对比指导调整方法(CIT)产生高质量的问题 - 答案对和相应的理由,提高了模型的效果