研究提出VG-SHAP评估视障场景视觉定位

Fairooz Azim等作者提出VG-SHAP框架，将现有可解释性框架扩展为提供视觉定位解释，使黑盒视觉语言模型（VLM）也能被评估。团队用VizWiz-VQA-Grounding数据集评测开源VLM面向视障人士的视觉定位能力，发现模型虽能生成正确答案，却难以定位到图像中正确的区域。 作者指出，这一结论受其解释框架所用分割模型质量的限制，仍需进一步研究。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。