Hallo4D：基于多模态大模型共识的3D/4D生成时空一致性优化
本文介绍Hallo4D框架，旨在解决3D/4D生成中的Janus问题和时间抖动。通过引入LMMs进行幻觉检测与校正，结合共识驱动的重一致性优化和运动显著性采样，显著提升一致性。实验显示CLIP Score提升，但需注意LMM推理开销及单前景假设。
大模型
VLM计数为何失败？探针揭示内部编码与输出错位，自校正提升15.6%
视觉语言模型（VLM）在物体计数任务中常出现幻觉。本研究通过探针分析发现，VLM内部编码了正确的计数信息，但输出方向存在错位。论文提出基于误差检测器的自校正方法，在不更新参数的情况下将计数准确率提高了最高15.6%。视频涵盖探针分析、SVCCA子空间对齐、因果干预实验及自校正框架效果，并讨论模型差异与局限性。