Invisible Shortcuts: Why Vision Encoders Know Your Camera

• 类型：arxiv
• 标识：2608.05424
• 链接：https://arxiv.org/abs/2608.05424
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Invisible metadata traces embedded at the pixel level are identified, suggesting that large-scale semantic supervision, whether through categorical labels or billion-scale captions, naturally induces metadata-semantics correlations during pretraining, leading models to convert low-level signals into predictive features.
• OpenAlex ID：W7201845378
• OpenAlex DOI：10.48550/arxiv.2608.05424
• DOI：10.48550/arxiv.2608.05424
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2608.05424
• OpenAlex更新：2026-09-07
• 待LLM分类：否
• 标题中文：Invisible Shortcuts：视觉 Encoder 为何知道你的相机
• TLDR中文：识别出像素级嵌入的不可见元数据痕迹，表明大规模语义监督（无论是类别标签还是亿级规模的 caption）在预训练中会自然引发元数据-语义相关性，导致模型将低层信号转化为预测特征。
• 来源文件：
• /inbox/tom/_candidates/2026-08-07-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]