跳到正文
arXiv · 机器人与计算机视觉· Zhangding Liu, Neda Mohammadi, John E. Taylor·· 9 天前AI 评分5

Qwen3-VL-8B-Instruct 用于野火城市界面结构威胁识别的零样本评估

Vision Language Models for Primary Structure Threat Identification in Wildland Urban Interface Fires

AI 导读

Qwen3-VL-8B-Instruct 在零样本提示下对 1,824 张合成图像和 45 帧受控燃烧实验视频进行结构级火灾威胁识别,有效输出准确率分别为 94.0% 和 69.2%,显著优于随机基线。模型在视觉特征清晰时能准确识别目标,但在复杂场景中解读空间关系存在困难。该双轨测试协议为评估视觉语言模型在物理火场条件下的行为提供了可扩展的压力测试与受控参考基准。

来源:arXiv · 机器人与计算机视觉 · arxiv.org