arXiv Computer Vision· Hsin-Ling Hsu, Neeraja Kirtane, Kuan-Hao Huang·· 4 小时前AI 评分31
并非每个提及都是断言：重新审视视觉语言模型中的物体幻觉检测
Not Every Mention Is a Claim: Rethinking Object Hallucination Detection in Vision-Language Models
AI 导读
研究提出 NAME-Bench，包含五个 VLM 为 COCO 图像生成的 25,497 条物体提及，每条标注为具体、幻觉或非断言三类，非断言再分描绘、目的、否定和模糊四种。现有幻觉检测器将非断言提及误判为幻觉的比例达 14% 至 80%。在 LLaVA-1.5 上以非断言提及作负样本训练可基本纠正该问题，但四个较新 VLM 需五到十倍数据，且检测真实幻觉的能力随之下降。
来源：arXiv Computer Vision · arxiv.org