arXiv Artificial Intelligence· Fairooz Azim, Lydia Achour, Claudia Borg, Lina Rojas-Barahona·· 19 小时前AI 评分34
评估视觉语言模型面向视障人士的视觉定位能力
Evaluating Visual Language Models on Visual Grounding for Visually Impaired People
AI 导读
研究使用 VizWiz-VQA-Grounding 数据集评测开源视觉语言模型（VLM）面向视障人士的视觉定位能力，并提出扩展可解释性框架的 VG-SHAP 以评估黑盒模型。结果显示，VLM 虽能生成正确答案，却难以定位到图像中正确的区域；作者指出该结论受其可解释性框架中分割模型质量的限制，仍需进一步研究。
来源：arXiv Artificial Intelligence · arxiv.org