arXiv cs.CV· Lichen Zhu, Yiheng Wang, Yueqian Lin, Hai "Helen" Li, Yiran Chen·· 5 小时前AI 评分22
视频多选评测中的帧相位与选项顺序：Stable Scores, Unstable Answers
Stable Scores, Unstable Answers: Frame Phase and Option Order in Video Multiple-Choice Evaluation
AI 导读
视频语言模型的多选题评测通常只报告均匀网格的采样率，却忽略相位参数。仅相差半步相位的两个采样器会让 23.6% 的题目答案不同，而得分差距在 1 分以内；在两个家族的四个版本中，仅改变相位会改变约五分之一的答案。PHASEFUSION 解码三个偏移网格并平均选项后验，在准确率与 32 帧单次推理相当的前提下，将半步相位偏移导致的答案变化从 18.2% 降至 10.1%。
来源：arXiv cs.CV · arxiv.org