跳到正文
arXiv · 机器人与计算机视觉· Tong Li, Lishuai Gao, Qi Zeng, Yifan Li, Cong Wei, Zhuoliang Kang, Xiaoming Wei·· 20 天前精选AI 评分78

图像智能体能否完成视觉委托?一个基准与模块化框架

Can Image Agents Complete Visual Commissions? A Benchmark and Modular Framework

AI 导读

针对图像智能体整合多源材料并完成端到端视觉委托的挑战,本文引入 Visual Commission Bench (VCB) 基准,包含 12 个类别共 600 项任务及三个互补层级。

推荐理由

作者提出 VCB 基准与 V-Protocol 框架,在严格任务成功率上显著优于 SCOPE。

来源:arXiv · 机器人与计算机视觉 · arxiv.org