跳到正文
arXiv · 机器人与计算机视觉· Qizhou Wang, Jiawen Zhu, Guansong Pang, Christopher Leckie·· 29 天前AI 评分45

AnomalyJev:通过声明级验证评估图像异常解释的轻量框架

AnomalyJev: Towards Evaluating Image Anomaly Explanations via Claim-Level Verification

AI 导读

AnomalyJev 是一种无需生成 token 的轻量框架,利用真值定义的查询和指针头提取可验证声明以评估多模态大模型(MLLM)生成的异常检测文本解释。该框架在包含 640 个解释及超 1,600 个专家评分的人标注数据集上测试,在跨数据集设置下与人类标注者达成更高一致性。其推理成本远低于主流开源 MLLM 裁判并接近旗舰级模型效果,显著降低了评估开销。

来源:arXiv · 机器人与计算机视觉 · arxiv.org