研究人员推出了DISTRACT，这是一个旨在研究文本参考如何影响视觉语言跟踪器（VLTs）的新基准，尤其是在视觉证据退化的情况下。该基准系统地测试了四种文本先验与四种图像退化水平，同时保持视频和目标元素不变。对五个VLTs的评估显示，Molmo2和JointNLT表现出定向文本使用，即使在退化情况下也存在一些影响，而UVLTrack、MMTrack和DUTrack对语义文本变化的响应较弱。 AI
影响 这项研究提供了一种新的方法来评估视觉语言模型对退化的视觉输入和文本提示的鲁棒性。
排序理由 该项目是一篇研究论文，详细介绍了一个新的基准和对现有模型的评估。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
