通过无分类器引导在大型视觉语言模型中减轻物体幻觉
原文中文，约400字，阅读约需1分钟。发表于：。通过 MARINE 框架，可以在生成过程中有效地减少大视觉 - 语言模型的假象，并提高生成细节，无需 teaining/fine-tuning 或 API 访问。
我们提出了一种新颖的框架，camo-perceptive 视觉语言框架（CPVLF），以探索 LVLM 在伪装目标检测中的泛化能力。通过观察 LVLM 的泛化过程，我们发现其在伪装场景中准确定位物体方面存在不确定性。因此，我们提出了一种链式视觉感知方法，从语言和视觉角度增强 LVLM 对伪装场景的感知，并提高其准确定位伪装物体的能力。实验证明 CPVLF 在伪装目标检测任务中有效。
