跳到正文
arXiv · 机器人与计算机视觉· Vincent Jolivet (ENC, CJM), Lucas Terriel (ENC), Chahan Vidal-Gor{\`e}ne (CJM, ENC)·· 20 天前AI 评分45

中世纪手稿图标自动标注:生成式视觉语言模型与监督判别分类器对比评测

Automatic Iconographic Annotation of Medieval Illuminations: Comparing Generative Vision-Language Models and Supervised Discriminative Classifiers

AI 导读

针对 9,735 张含 2,333 TIMEL 概念的中世纪全页图像,研究对比了微调 VLM 与基于冻结 DINOv3 编码器的 SDC。结果显示 ML-Decoder(SDC)在封闭词汇检索中精度最高(precision@1 为 0.696),而 VLM 凭借结构化 JSON 解码和验证校准重排序实现了更强的语义泛化(层级 F1 达 0.559)。

来源:arXiv · 机器人与计算机视觉 · arxiv.org