实体
KI-VQA
KI-VQA
PulseAugur coverage of KI-VQA — every cluster mentioning KI-VQA across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的基准CRAG-MM-Diagnostics揭示视觉语言模型（VLM）的知识检索是关键瓶颈
研究人员推出CRAG-MM-Diagnostics，这是一个旨在分析视觉语言模型（VLM）在知识密集型视觉问答（KI-VQA）方面性能的新基准。该诊断工具将KI-VQA过程分解为不同的阶段，包括视觉定位、物体识别以及知识检索/推理，以 pinpoint 具体失败的领域。研究结果表明，知识检索和推理是当前VLM的主要挑战，尽管在物体识别和将文本线索与图像检索相结合方面也存在问题。通过实施一个包含视觉定位后进行图像检索的接地双模态RAG管…
-
新框架REAL解决了视觉问答中的知识冲突
研究人员推出REAL，一个旨在解决视觉问答系统中知识冲突的新框架。该方法利用一种称为“推理枢轴”的新概念来识别和解决因开放域知识检索而产生的差异。该框架包括一种用于冲突检测的训练方法和一种用于缓解这些问题的解码策略，在各种数据集上展示了显著的性能提升。