Dan Zlotnikov, Ohad Ben-Shahar · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28419 · open-access PDF
दृष्टि-भाषा ट्रैकर (VLTs) ट्रैकिंग में सहायता करने के उद्देश्य से वर्णन स्वीकार करते हैं, लेकिन पाठ को स्वीकार करने से यह स्थापित नहीं होता है कि इसकी सामग्री ट्रैकिंग निर्णयों को बदलती है, खासकर क्योंकि दृश्य सबूत खराब हो जाते हैं। हम DISTRACT, एक फिट-इंटर्शन बेंचमार्क पेश करते हैं जो वीडियो, लक्ष्य, और विचलक को चार टेक्स्ट प्रीरर्स के साथ चार छवि खराबियों के साथ पार करते समय स्थिर रखता है।
Machine translation (Meta M2M100); the English original follows.
Vision-language trackers (VLTs) accept descriptions intended to assist tracking, but accepting text does not establish that its content changes tracking decisions, particularly as visual evidence deteriorates. We introduce DISTRACT, a matched-intervention benchmark that holds video, target, and distractor fixed while crossing four text priors with four image degradations along a controlled severity axis. We evaluate five VLTs on four datasets using behavioral contrasts, layerwise representation probes, and activation patching. Molmo2 and JointNLT exhibit directed text use. Some effects contrac
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28419, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange