★ 2
GAVAGAI 用最优传输改进婴儿级视觉语言模型指称对齐
研究指出下一词描述目标缺乏「词指向区域」的变量，导致词义落地不足。作者将场景建模为词与区域的熵最优传输分配问题，加入 NOTHING 列与容量约束，在 SAYCam 婴儿视频语料上把词图准确率从 32.4% 提升到 48.7%，定位 IoU 从 0.18 升至 0.38。
arXiv NLP10 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究指出下一词描述目标缺乏「词指向区域」的变量，导致词义落地不足。作者将场景建模为词与区域的熵最优传输分配问题，加入 NOTHING 列与容量约束，在 SAYCam 婴儿视频语料上把词图准确率从 32.4% 提升到 48.7%，定位 IoU 从 0.18 升至 0.38。