English(EN) Vision2Code: A Multi-Domain Benchmark for Evaluating Image-to-Code Generation

新的Vision2Code基准评估VLMs的图像到代码生成能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-12 04:00

研究人员推出了Vision2Code，这是一个旨在评估视觉语言模型（VLMs）从图像生成可执行代码能力的新基准。该基准涵盖了15个不同的领域，包括图表、图形和3D场景，并采用无参考代码的评估方法，解决了现有工具的局限性。该系统执行生成的程序，并将其视觉输出与源图像进行比较，显示出比标准指标更高的人类判断相关性。Vision2Code还有助于微调模型，并展示了Qwen3.5-9B和Phi-4-MM的显著改进。 AI

影响该基准有可能加速开发更强大的用于代码生成任务的视觉语言模型。

排序理由该集群描述了一个用于评估AI模型的新学术基准。

在 arXiv cs.LG 阅读 →

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

本文如何被排名

Signal score: 4 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一个用于评估AI模型的新学术基准。
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Ajay Vikram Periasami, Junlin Wang, Bhuwan Dhingra · 2026-10-12 04:00

Vision2Code：一个用于评估图像到代码生成的跨领域基准

arXiv:2605.11307v2 Announce Type: replace-cross Abstract: We study whether vision-language models (VLMs) can reconstruct structured, graphics-based images by writing executable code to generate them. Existing benchmarks on image-to-code generation are generally limited in the dom…

本文如何被排名

报道来源 [1]

Vision2Code：一个用于评估图像到代码生成的跨领域基准

相关实体

相关话题