PulseAugur
中
实时 11:11:51
English(EN) VertiCue-Bench: Diagnosing Whether MLLMs Use Height Cues to Resolve 2D Ambiguity in Remote Sensing Natural Scenes

新基准揭示 MLLMs 在 3D 地理空间推理方面存在困难

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出 VertiCue-Bench，这是一个新的诊断基准，旨在评估多模态大语言模型 (MLLMs) 在地理空间推理中利用 3D 结构数据（特别是树冠高度模型 (CHMs)）的程度。该基准包含 17 个任务中的 1,534 个实例，旨在区分遥感自然场景中的高度感知与语义推理。对 14 个最先进的 MLLMs 的评估显示，尽管模型能够感知高度线索，但它们难以将这种几何理解转化为可靠的语义推理，在需要联合约束时，其表现常常不如仅使用 RGB 的简单模型。 AI

影响 突显了 MLLMs 将 3D 几何数据与语义理解相结合的能力方面存在的关键差距，表明需要改进地理空间推理能力。

排序理由 该集群描述了一篇介绍用于评估 AI 模型基准的新学术论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新基准揭示 MLLMs 在 3D 地理空间推理方面存在困难

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Jing Huang, Duanchu Wang, Junjie Yang, Zihang Cheng, Cheng Li, Lin Cui, Zhouyi Wu, Di Wang ·

    VertiCue-Bench: Diagnosing Whether MLLMs Use Height Cues to Resolve 2D Ambiguity in Remote Sensing Natural Scenes

    arXiv:2605.25784v1 Announce Type: new Abstract: Multimodal Large Language Models (MLLMs) have recently shown promising progress in geospatial reasoning. However, existing remote sensing benchmarks remain largely 2D-centric, evaluating models primarily on optical appearance. In na…

  2. arXiv cs.CV TIER_1 English(EN) · Di Wang ·

    VertiCue-Bench: Diagnosing Whether MLLMs Use Height Cues to Resolve 2D Ambiguity in Remote Sensing Natural Scenes

    Multimodal Large Language Models (MLLMs) have recently shown promising progress in geospatial reasoning. However, existing remote sensing benchmarks remain largely 2D-centric, evaluating models primarily on optical appearance. In natural environments, this paradigm breaks down du…

相关实体

相关话题