視覚的推論を高めるマルチモーダル自己蒸留手法OPD-V
arXiv cs.AI ・ 2026-08-05
原題: OPD-V: Visual On-Policy Self-Distillation with Modality Balance
AI による要約
マルチモーダル大規模言語モデル（MLLM）の視覚的推論を改善する自己蒸留手法「OPD-V」が提案された。テキスト情報が優位な状態を改善するため、ズームイン画像とマスク画像を用いた「Positive Teacher」と「Negative Teacher」を導入し、モダリティバランスを特権情報として活用する仕組みだ。
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。