arXiv cs.CY· Dongdong Wang, Alina Hagen, Isabelle Gatmaitan, Hao Zhou, Yiwen Dong, Shabboo Valipoor, Vivian W. H. Wong, Lingyao Li·· 11 小时前AI 评分31
视觉语言模型能否感知传感器所感？一种面向街景轮椅无障碍评估的可扩展专家引导设计
Do VLMs See What Sensors Feel? A Scalable Expert-Guided Design for Wheelchair Accessibility Assessment from Street View
AI 导读
研究提出专家引导的检索增强框架，结合 Google Street View 影像、ADA 指南与专家评分规则，评估轮椅无障碍的多维度障碍。在佛罗里达大学校园采集 407 个 GSV 地点并关联 GPS 轮椅停留行为，专家引导配置将 VLM 评分与停留时间的负相关从 r=-0.40 提升至 r=-0.54。路缘坡道、人行横道等视觉线索与更高无障碍评分相关，但对细微路面状况和临时障碍的识别仍有限。
正文 · AI 翻译
摘要：评估建筑环境交互（例如轮椅无障碍性）具有挑战性，因为现实世界的出行受到依赖情境的临时性障碍的影响，而这些障碍难以大规模捕捉。本文研究视觉语言模型（VLM）能否从 Google 街景（GSV）图像中识别潜在的无障碍障碍。我们提出了一种专家引导的检索增强框架，该框架结合 GSV 图像、基于 ADA 的指导以及专家制定的评分标准，以评估多个无障碍维度。我们在佛罗里达大学收集了一个校园规模的数据集，将 407 个独特的 GSV 位置与 GPS 推导的轮椅停留行为相关联，作为潜在出行阻力的代理指标。结果表明，VLM 评分与停留时间呈负相关，并表现出分布相似性，其中专家引导配置将最强模型的相关性从 $r=-0.40$ 增强至 $r=-0.54$。视觉线索分析进一步表明，路缘坡道和人行横道等特征与更高的 VLM 无障碍评分相关，而对于细微的表面状况、临时性障碍和依赖视角的障碍，对应关系仍然有限。总体而言，我们的研究结果证明了专家引导的 VLM 在大规模初步无障碍筛查以及优先安排进一步调查地点方面的潜力。
| 评论： | 已被 IEEE/CVF WACV 2027 接收。正文 8 页，参考文献 2 页 |
| 主题： | 计算机视觉与模式识别（cs.CV）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2606.07642 [cs.CV] |
| （或 arXiv:2606.07642v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.07642 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Dongdong Wang [查看电子邮件]
[v1]
2026 年 6 月 1 日星期一 18:46:43 UTC（5,303 KB）
[v2]
2026 年 11 月 5 日星期四 03:55:06 UTC（4,397 KB）
来源：arXiv cs.CY · arxiv.org