VSAI-Ref

新框架Aerial-R1解决多模态大语言模型在航空影像中的幻觉问题

研究人员推出了一种新颖的框架Aerial-R1，旨在增强多模态大语言模型（MLLMs）的航空推理和分割能力。该新方法解决了MLLMs在处理航空影像时出现的幻觉问题，这类影像通常包含极端的尺度变化和歧义。Aerial-R1采用混合视图组优势加权回归策略，鼓励不同分辨率之间的一致性并惩罚幻觉，从而为歧义输入开发了一种激励性拒绝机制。