VIGIL-140K

新的VIGIL系统使用LMM进行精确的视觉失真检测

研究人员推出了一种名为VIGIL的新系统，该系统专为用户生成图像中的精确视觉失真检测而设计。与依赖大型多模态模型（LMM）的文本驱动监督微调的先前方法不同，VIGIL采用了一种新颖的方法，将LLM解码器的不同层视为多个同步检测器。这种方法应用于包含超过14万张图像的VIGIL-140K训练集，旨在解决合成图像和真实图像之间显著的泛化差距，即所谓的合成到真实（S2A）挑战。