arXiv · cs.AI· Zhengtao Zou, Pekka Marttinen·· 1 天前
视觉语言模型能感知深度却受图像平面线索影响
Seeing Depth but Choosing Cues in Vision-Language Models
arXiv:2610.17976v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zhengtao Zou, Pekka Marttinen
研究任务与主要进展
研究发现，跨模型家族和规模的视觉语言模型在深度判断中会系统性偏向具有误导性的表观大小或垂直位置线索，即使正确深度顺序仍可从目标物体的视觉表征中解码。作者通过对象级写回，在不更新模型参数、不使用真实深度标注的情况下纠正了部分冲突决策，但效果取决于写回信号方向、目标词元、架构和领域。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org