arXiv Artificial Intelligence· Ziqi Wen, Parsa Madinei, Miguel P. Eckstein·· 19 小时前AI 评分29
研究揭示人类与 VLM 场景描述之间的语义显著性差距
Revealing the Gap in Human and VLM Scene Description through Counterfactual Semantic Saliency
AI 导读
研究提出 Counterfactual Semantic Saliency（CSS）黑盒框架，通过因果消融物体测量语义偏移来量化其重要性，并在 307 个复杂自然场景、1,306 个高保真反事实变体上收集 16,603 份人类心理物理学基线响应，对比测试主流 VLM。
来源：arXiv Artificial Intelligence · arxiv.org