Tarunya Prasad

収録論文 1本 ・ フィジカルAI/ロボット学習

※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。

論文

• MiD-VLM: 画像とキャプション間の全体的な意味的誤情報を検出・根拠特定するマルチモーダルモデル
  マルチモーダル/誤情報検出2026/10/23

  画像とキャプションの組に潜む意味的な誤情報を検出するため、SigLIPとDINOv2の特徴を統合しQwen2-VL-7BをLoRAで適応させ、真偽判定・操作タイプ識別・誤導トークンの根拠特定を同時に行うモデルを提案した。