大規模視覚言語モデルの属性誤認識を測定するベンチマーク InstaBind-Lite を発表

arXiv cs.AI ・ 2026-08-17

原題: Diagnosing Dense Same-Class Attribute Misbinding in Large Vision-Language Models

AI による要約

大規模視覚言語モデルが同一クラス内の異なるオブジェクトに属性を誤って割り当てる「DSCAM」問題を定式化し、測定可能なベンチマーク InstaBind-Lite を開発した。524枚の画像に3〜6個の同一クラスオブジェクトを配置し、9580問の質問で属性の誤認識を評価する。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.AI）をご確認ください。