PulseAugur
中
实时 23:34:11
English(EN) UltraG-Bench: A Multi-task Benchmark for assessing Large Vision-Language Models on Pixel-level Evidence Grounding in Ultrasound

新基准UltraG-Bench评估VLM在超声图像中的关联能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出UltraG-Bench，一个旨在评估大型视觉语言模型（VLM）在超声成像背景下像素级证据关联能力的新基准。该基准建立在40个公开的超声分割数据集之上，包含三个渐进式任务：指令引导分割、证据关联视觉问答和证据关联报告生成。对14个最先进模型的初步评估突显了语义理解与精确像素级定位之间的显著差异，促使了UltraG-Agent的开发。该代理整合了VLM的推理能力与专门的分割模型UltraSAM3，以增强语义预测和视觉关联。 AI

影响 该基准可以通过提高诊断成像中视觉语言模型的解释性和准确性，推动医学AI的进步。

排序理由 该集群包含一篇研究论文，介绍了一个用于评估特定AI能力的新基准和模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新基准UltraG-Bench评估VLM在超声图像中的关联能力

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Quanhao Zhu, Bo Xu, Rui Lin, Chenyuan Wang, Yu Shao, Boling Zhu, Jiuyan Sun, Liang Zhao, Hongfei Lin, Feng Xia ·

    UltraG-Bench：一个用于评估大型视觉语言模型在超声像素级证据基础方面的多任务基准

    arXiv:2609.30928v1 Announce Type: cross Abstract: Ultrasound is one of the most widely used medical imaging modalities, and recent large vision-language models(VLMs) have shown increasing capabilities in ultrasound image understanding. However, these models fail to provide pixel-…

相关实体

相关话题