跳到正文
arXiv · 机器人与计算机视觉· Zhenyu Li, Tianyi Shang, Shuhan Dong, Ruotong Xu, Qingyu Zhu·· 6 天前AI 评分36

AcrossPlace:视觉语言模型能否识别源视图之外的地点?全面基准评测

AcrossPlace: Do Vision--Language Models Recognize Places Beyond Their Source Views? A Comprehensive Benchmark

AI 导读

AcrossPlace 是一个基于 GSV-Cities 构建的溯源感知基准,包含 23 个城市共 56,726 个地点、156,800 条描述及 113,404 张目标图像。

来源:arXiv · 机器人与计算机视觉 · arxiv.org