跳到正文
arXiv · 机器人与计算机视觉· No\'e Mosca, Mohamed Rayan Barhdadi, Muhammad Hamza, Joshua Yeh, Suryodaya Bikram Shahi, Zhiyan Li, Selim-Antoine Lali, Weiyue Li, Hasan Kurban, Erchin Serpedin, Gang Luo, Yue Zhang, Minghan Li, Mengyu Wang·· 2026-10-19AI 评分42

VISTA:面向视障用户的视觉语言动作模型零样本评估基准

VISTA: A Multimodal Egocentric Benchmark for Goal-Oriented Perception and Assistance to Blind and Low-Vision Users

AI 导读

针对现有基准缺乏多模态输入与目标导向引导的不足,研究团队引入基于 Project Aria 眼镜采集的约 1000 条眼动记录数据集 VISTA。该数据涵盖六种传感器流及三类标注,覆盖物体定位到危险检测等十类任务。实验对 14 个视觉语言模型进行零样本评估,揭示其在生成日常辅助指导方面的局限,为提升无障碍体验提供新基准。

来源:arXiv · 机器人与计算机视觉 · arxiv.org