跳到正文
arXiv · 机器人与计算机视觉· Trishna Chakraborty, Udita Ghosh, Aldair Ernesto Gongora, Ruben Glatt, Yue Dong, Jiachen Li, Amit K. Roy-Chowdhury, Chengyu Song·· 20 天前AI 评分65

面向自主实验室安全监测的视觉语言模型:通过场景结构学习识别隐患

Toward Autonomous Laboratory Safety Monitoring with Vision Language Models: Learning to See Hazards Through Scene Structure

AI 导读

针对实验室安全隐患难以实地采集数据的难题,本文构建了一套将文本场景转化为图像、图关系及标注的合成数据生成管线,构建了包含 1207 组四元组的合成数据集。实验表明,现有视觉语言模型在仅凭像素提取结构化物体关系时表现不佳。

来源:arXiv · 机器人与计算机视觉 · arxiv.org