实体
visual search
visual search
PulseAugur coverage of visual search — every cluster mentioning visual search 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
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
MLLMs利用内在不确定性提高视觉任务性能
研究人员开发了一个新颖的无训练框架，该框架利用多模态大语言模型（MLLMs）的内在不确定性来增强其在复杂视觉任务上的性能。核心思想是，当MLLM接收到相关的视觉信息时，其不确定性会降低，从而使其能够专注于信息量最大的数据。这种方法已成功应用于视觉搜索、长视频理解和时间定位，在无需特定任务训练的情况下，取得了与专门的、微调的系统相媲美的结果。
-
视觉语言模型在鲁棒性、因果推理和视觉搜索方面接受测试
研究人员正在从多个维度调查视觉语言模型（VLM）的鲁棒性和推理能力。一项研究引入了OCR-Robust，这是一个用于评估VLM在光学字符识别任务中对视觉扰动的韧性的基准，揭示了图表和表格等结构性元素特别脆弱。另一篇论文探讨了VLM在因果顺序推理方面的挣扎，发现它们尽管在物体识别方面表现出色，但由于训练数据中缺乏明确的因果表达，因此表现不佳。此外，一项研究检查了VLM执行视觉搜索任务的情况，将其“推理令牌”使用与人类反应时间进行比较，并…