跳到正文
arXiv · 机器人与计算机视觉· Hao Yin, Tianchen Guo, Heming Du, Yan Ke, Yanbin Liu, Xin Yu·· 17 天前AI 评分73

当深度说谎:镜面诱导的 RGB-D 模糊性下的视觉语言模型基准测试

When Depth Lies: Benchmarking Vision-Language Models on Mirror-Induced RGB-D Ambiguity

AI 导读

作者构建了一个包含 1011 张图像的镜面场景 RGB-D 数据集及 MIRA-Bench 基准,涵盖六种反射表面与昼夜条件。评测发现现有 VLM 在区分真实物体与镜像、匹配对应关系及空间推理上普遍失败;提供深度数据反而降低性能,表明模型无法识别镜中错误的深度信息。代码与数据已开源。

来源:arXiv · 机器人与计算机视觉 · arxiv.org