Interpretação e Edição de Representações Visão-Linguagem para Mitigar Alucinações

Interpreting and Editing Vision-Language Representations to Mitigate Hallucinations

October 3, 2024

Autores: Nick Jiang, Anish Kachinthaya, Suzie Petryk, Yossi Gandelsman

cs.AI

Resumo

Investigamos as representações internas dos modelos de visão-linguagem (VLMs) para lidar com alucinações, um desafio persistente apesar dos avanços no tamanho e treinamento do modelo. Projetamos as representações internas de imagem dos VLMs para o vocabulário de linguagem deles e observamos probabilidades de saída mais confiantes em objetos reais do que em objetos alucinados. Além disso, utilizamos essas probabilidades de saída para localizar espacialmente objetos reais. A partir dessa abordagem, introduzimos um algoritmo de apagamento de conhecimento que remove alucinações ortogonalizando linearmente características de imagem em relação às características de objetos alucinados. Mostramos que edições direcionadas às representações latentes de um modelo podem reduzir alucinações em até 25,7% no conjunto de dados COCO2014, preservando o desempenho. Nossas descobertas demonstram como um entendimento mais profundo das representações latentes dos VLMs pode aprimorar a confiabilidade e permitir capacidades inovadoras, como a segmentação de zero-shot.

English

We investigate the internal representations of vision-language models (VLMs) to address hallucinations, a persistent challenge despite advances in model size and training. We project VLMs' internal image representations to their language vocabulary and observe more confident output probabilities on real objects than hallucinated objects. We additionally use these output probabilities to spatially localize real objects. Building on this approach, we introduce a knowledge erasure algorithm that removes hallucinations by linearly orthogonalizing image features with respect to hallucinated object features. We show that targeted edits to a model's latent representations can reduce hallucinations by up to 25.7% on the COCO2014 dataset while preserving performance. Our findings demonstrate how a deeper understanding of VLMs' latent representations can enhance reliability and enable novel capabilities, such as zero-shot segmentation.