arXiv · 机器人与计算机视觉· Swathi Suhas, Anurag Das, Bernt Schiele, Jonas Fischer·· 20 天前AI 评分58
OneScene-Bench:视觉语言模型能否整合多视角证据?
OneScene-Bench: Do Vision-Language Models Integrate Evidence Across Views?
AI 导读
论文介绍 OneScene-Bench 基准,旨在区分单纯处理多图与真正整合跨视角证据的能力。该基准通过控制物体重叠、引入局部编辑及构建空间关系任务,评估唯一物体计数、跨视图一致性与空间推理三项能力。
来源:arXiv · 机器人与计算机视觉 · arxiv.org