arXiv · 机器人与计算机视觉· Hengfei Wang, Anshul Gupta, Pierre Vuillecard, Jean-Marc Odobez·· 5 小时前AI 评分72
Eyes on VLM:对 VLM 视线跟随与社会性预测能力的基准测试
Eyes on VLM: Benchmarking Gaze Following and Social Gaze Prediction in Vision Language Models
AI 导读
本文提出了 EyeVLM 评估框架,旨在系统性评测视觉语言模型(VLM)在理解人类视线和注意力方面的能力。研究聚焦于两个核心任务:几何与视觉处理主导的“视线跟随”(预测注视点的 2D 位置),以及需要社会关系推理的“社会性视线预测”。
来源:arXiv · 机器人与计算机视觉 · arxiv.org