# 霧で視界を奪われても、自信満々な視覚言語モデル

> 新たなarXiv研究によると、小型VLM 5モデルは霧の視程が約12〜16 mになると正答率が偶然と同程度まで落ちる一方、高い確信度を保っていた。

Oossa · 2026-10-19 · https://oossa.com/ja/vision-language-models-stay-confident-even-when-fog-makes-them-blind

Mochamad Rizal Fauzan氏らの研究チームは2026‑10‑19、arXivに論文を公開した。研究では、オープンソースの視覚言語モデル（パラメーター数は2‑5 billion）5モデルを対象に、COCOの画像1,000枚を使い、霧と水による視界の悪化をシミュレーションして性能を評価した。霧の視程が12.1 mから15.9 mの範囲になると正答率は偶然と同程度まで低下したが、モデルが示した内部確信度は0.68‑0.84、言葉で表した確信度は最大1.0だった。正答率に連動した確信度を示したのは、5モデル中1モデルだけだった。

## 事実

- COCOの画像1,000枚を使い、パラメーター数2‑5 billionのVLM 5モデルを評価
- 霧の中で正答率が半分になる視程（V_acc）：12.1‑15.9 m

## なぜ重要か

自律型ドローンのように視界の悪い環境でVLMを使う場合、過剰な自信を示す出力にユーザーが惑わされるおそれがある。

## 出典と参考資料

1. [How Murky Before a VLM Knows It Cannot See? Accuracy, Confidence and Abstention on a Physical Visibility Axis](https://arxiv.org/abs/2610.22981) – arXiv cs.CV, 2026-10-19

最終更新: 2026-10-19