arXiv cs.CV· Fairooz Azim, Lydia Achour, Claudia Borg, Lina Rojas-Barahona·· 4 小时前AI 评分33
开源 VLM 视障人士视觉定位评测：答题正确却难以定位正确区域
Evaluating Visual Language Models on Visual Grounding for Visually Impaired People
AI 导读
研究基于 VizWiz-VQA-Grounding 数据集与挑战赛，评测开源 VLM 在视障人士场景下的视觉定位能力，并提出可解释性框架 VG-SHAP 用于评估黑盒 VLM。结果显示，模型虽能生成正确答案，却难以定位到图像中正确的区域。作者指出该结论受框架中分割模型质量限制，仍需进一步研究。
来源：arXiv cs.CV · arxiv.org