연구진은 거대 시각-언어 모델(LVLM)의 객체 환각 문제를 해결하기 위해 새로운 방법인 시각적 대비 편집(VCE)을 제안했어요. VCE는 모델의 활성화 패턴을 분석하여 환각을 유발하는 부분을 찾아 수정하며, 기존 방식처럼 추가적인 학습이나 데이터가 필요 없어요. 실험 결과, VCE는 여러 벤치마크에서 객체 환각을 줄이고 모델의 효율성을 유지하는 데 효과적이었어요.