arXiv Computer Vision· No\'e Mosca, Mohamed Rayan Barhdadi, Muhammad Hamza, Joshua Yeh, Suryodaya Bikram Shahi, Zhiyan Li, Selim-Antoine Lali, Weiyue Li, Hasan Kurban, Erchin Serpedin, Gang Luo, Yue Zhang, Minghan Li, Mengyu Wang·· 4 小时前AI 评分31
VISTA：面向盲人与低视力用户目标导向辅助的多模态第一人称基准
VISTA: A Multimodal Egocentric Benchmark for Goal-Oriented Perception and Assistance to Blind and Low-Vision Users
AI 导读
VISTA 是面向盲人与低视力用户目标导向辅助的多模态第一人称基准，包含约 1,000 段用 Project Aria 眼镜采集的第一人称记录，每段提供同步传感器流，其中六种作为模型输入，并有三种标注覆盖十类任务。研究对 14 个代表性视觉语言模型做零样本评测，并设计整合全部六种模态的轻量多模态基线；结果显示现有模型常能描述第一人称场景，但在生成目标导向的辅助指引上仍有限。
来源：arXiv Computer Vision · arxiv.org