KTN训练无关方法改进双编码器VLM否定理解

DoYoung Kim 等论文作者发布 arXiv 论文，提出训练无关的否定处理方法 Know-Thy-Not（KTN）：在图像侧引入拒绝维度，直接惩罚文本中被否定的概念。作者称其克服单嵌入框架只能稀释而不能拒绝否定概念的局限。 作者同时发布了 COCO-Confusion 基准，称为首个需要真正拒绝才能成功的基准。在覆盖 9 个骨干模型的 COCO-Confusion 上，作者称 KTN 相比原始 VLM 最高提升 25.6 mAP，相比现有最强方法最高提升 9.6 mAP。以上数字为论文摘要中的结果，当前仅依据论文摘要。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。