用于缓解鲁棒视觉问答中双模态偏差的变分与分解方法
英文标题：Variational and Decomposed method for Mitigating Bimodal Bias in Robust Visual Question Answering
视觉问答（VQA）模型长期受困于偏差问题，往往容易过拟合训练数据中频繁出现的统计规律。过去学术界大多仅关注单纯的语言偏差，而近期多模态偏差问题逐渐引起关注。针对这一挑战，本研究（arXiv:2610.22845v1）提出了用于在鲁棒视觉问答中缓解双模态偏差的变分与分解方法。该成果有助于抑制跨模态交互中的虚假相关性，对开发更鲁棒、泛化能力更强的多模态大模型与 VQA 系统具有积极的参考价值。
打开原文相关 2.4 · 机会 0
2.1 KB
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
arXiv 编号：arXiv:2610.22845v1
发布类型：new
摘要
视觉问答（VQA）模型一直以来都受到偏差（Bias）问题的困扰，具体表现为模型容易过拟合高频出现的统计规律。此前，研究人员主要聚焦于语言偏差（Language Bias）；近期，多模态偏差（Multimodal Bias）也逐渐受到学术界的关注。然而……
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×