新的基准和数据集评估VLM在诊断番茄叶病害方面的能力

研究人员推出了TomaMMU，一个用于理解番茄叶病害的大规模数据集，以及TomaBench，一个旨在评估视觉语言模型（VLM）在此任务上的基准。该数据集包含超过28,000张图像和超过200,000个带注释的问答对，分为七个农业任务。初步评估显示，当前最先进的VLM在该领域存在细粒度识别和事实性推理方面的困难，尽管在TomaMMU上进行简单的微调显著提高了性能。 AI

影响 该基准有望推动VLM在专业农业诊断方面的能力改进。

排序理由 该集群描述了一篇介绍用于评估AI模型的数据集和基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• computer science
• Computer vision and pattern recognition
• Hugging Face
• Khang Nguyen Quoc
• TomaBench
• TomaMMU
• Vision--Language Models

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →