arXiv Computer Vision· Haozhe Shan, Xiancong Ren, Han Dong, Yingji Zhang, Haoyuan Shi, Jiayu Hu, Qinfan Zhang, Yi Zhang, Yong Dai, Bin Shen, Lizhen Qu, Zenglin Xu, Xiaozhu Ju·· 3 小时前AI 评分25
EPIC-Bench：面向视觉语言模型具身细粒度视觉定位的感知基准
EPIC-Bench: A Perception-Centric Benchmark for Fine-Grained Embodied Visual Grounding in Vision-Language Models
AI 导读
EPIC-Bench 是一个面向视觉语言模型（VLM）的细粒度具身视觉定位基准，包含 6.6k 条人工标注的（图像、文本、掩码）三元组，覆盖目标定位、导航与操作三个具身交互核心阶段。该基准设有 23 项细粒度任务与多维度设置，并对 80 个主流 VLM 进行了评测，用于诊断其具身场景下的视觉语言定位能力。
来源：arXiv Computer Vision · arxiv.org