跳到正文
arXiv · 机器人与计算机视觉· Lidong Lu, Jiaxin Lv, Liangrui Dong, Xinyi Mao, Lidong Zou, Zhenquan Li, Tong Lu, Guo Chen·· 21 天前AI 评分56

PhysCount:MLLM 是在数图像外观还是物理实体?

PhysCount: Do MLLMs Count Visual Appearances or Physical Entities?

AI 导读

PhysCount 是一个评估多模态大语言模型(MLLM)能否区分图像中可见外观与场景内实际存在物理实体的基准测试。该基准包含 546 张真实世界图像和 4,595 个人工编写的问题,分为 651 个目标特定组。

来源:arXiv · 机器人与计算机视觉 · arxiv.org