研究人员进行了一项试点研究，旨在使用小型、本地部署的视觉语言模型为盲人和低视力观众生成艺术品描述。该研究侧重于多语言能力，使用 Qwen2.5-VL-3B-Instruct 模型，比较了针对德语、罗马尼亚语和塞尔维亚语的特定语言适配器与单个多语言适配器。初步研究结果表明，特定语言适配器为罗马尼亚语和塞尔维亚语提供了更稳定的控制和更好的视觉基础，而多语言方法在德语方面具有竞争力，这凸显了本地部署的视觉语言模型在可访问性方面的潜力。 AI
影响 展示了本地部署的视觉语言模型通过多语言艺术品描述提高视障用户可访问性的潜力。
排序理由 该集群包含一篇在 arXiv 上发表的研究论文，详细介绍了视觉语言模型的试点研究。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.31080v1 Announce Type: cross Abstract: Blind and low-vision (BLV) audiences remain underserved by visual art descriptions, particularly across languages and in museum settings where privacy and intellectual-property constraints may favour small on-premise vision-langua…
Blind and low-vision (BLV) audiences remain underserved by visual art descriptions, particularly across languages and in museum settings where privacy and intellectual-property constraints may favour small on-premise vision-language models (VLMs). This pilot study investigates cu…