arXiv cs.CL· Rahul Murali Shankar, Titus von der Malsburg, Sebastian Pad\'o·· 5 小时前AI 评分21
现成语言-视觉编码器可预测视觉世界实验中的注视偏好
Off-the-Shelf Language-Vision Encoders Predict Human Gaze Preferences in Visual World Experiments
AI 导读
一项研究提出用现成的双模态 CLIP bi-encoder 预测视觉世界实验中的注视偏好，通过归因方法推导目标偏好，无需生成式架构、无需微调，也未被专门训练。该方法在定性层面复现了一项经典英语视觉世界研究中体现人类预测性加工的眼动模式。
来源：arXiv cs.CL · arxiv.org