arXiv cs.CV· Shao-Jun Xia, Huixin Zhang, Zhen Lei, Anlan Sun, Yuner Zhang, Xiaoyang Chen·· 4 小时前AI 评分32
VLM 低层视觉表征中的几何相似性：GeoSim 统一分析框架
Geometric Similarity in VLM Low-Level Vision Representations
AI 导读
研究提出 GeoSim 四级统一框架，分析 24 项低层视觉任务（5 大类）中 VLM 的表征相似性，覆盖 AR 模型隐藏状态与 DiT 特征图。结果揭示了低层视觉表征的组织原则，同时暴露其在跨任务、跨模型一致性上的局限。该框架可用于探测低层视觉的潜在迁移性，并诊断任务或模型特定场景下的模型限制。
来源：arXiv cs.CV · arxiv.org