R-CoV：用于缓解大型视觉语言模型中物体幻觉的区域感知链式验证

大型视觉语言模型（LVLMs）在多模态理解任务中表现优异，但仍受困于物体幻觉问题。为此，本文提出区域感知链式验证（R-CoV），一种无需训练的后处理验证方法。受人类关注图像特定区域的启发，该方法引导模型生成坐标并描述局部区域，通过六步链式流程自我检测并纠正幻觉。实验表明，R-CoV 能有效集成于多种 LVLMs，显著降低物体幻觉发生率，且无需依赖外部检测模型。