arXiv · 机器人与计算机视觉· S M Rayeed, Qian Ma, Charles V. Stewart, Yao Ma·· 14 天前AI 评分72
Bio-VQA:面向分类学、形态学与空间推理的生物视觉问答基准
How Finely Can Vision-Language Models See Biology? Bio-VQA: A Benchmark for Taxonomic, Morphological, Spatial and Individual Reasoning
AI 导读
论文提出了 Bio-VQA,这是首个涵盖分类学推理、细粒度属性定位、定量空间推理及个体重识别四大维度的生物视觉问答基准。该基准包含 1.86M 个问题与 217K 张图像,评估了 3.75B 至 38.4B 参数的 18 个开源模型。结果显示通用视觉能力无法有效迁移到生物领域:动物计数准确率仅为日常物体的不到一半,分类学精度随层级细化大幅下降,且在个体重识别任务中多数模型表现低于随机猜测水平。
来源:arXiv · 机器人与计算机视觉 · arxiv.org