MotionHalluc：诊断细粒度动作推理中的运动学幻觉

新基准揭示多模态模型跨视频运动对比中的三类幻觉。

资讯摘要

论文提出 MotionHalluc 基准，用于评估跨视频对比中的运动幻觉，即模型生成的纠正指令未能反映两段视频真实运动学差异。该基准包含 553 对视频上的 1540 个细粒度问题，覆盖方向、归因与时间三类幻觉。作者报告现有大型多模态模型普遍易受影响，并提出免训练的 Perceive-Parse-Verify（PPV）基线，将候选指令转为可执行测量查询并在推理时注入运动学测量，平均带来 10.6% 性能提升。

要点速读

1. MotionHalluc 含 553 对视频、1540 个细粒度问题，按方向、归因、时间三个维度评估运动幻觉。
2. 作者报告当前先进大型多模态模型对这类幻觉高度敏感。
3. 免训练基线 PPV 在推理时注入运动学测量，平均提升 10.6%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。