GuideDogQA

GuideDog 数据集通过以自我为中心的、多模态数据辅助盲人和低视力人士导航

研究人员推出 GuideDog，这是一个旨在帮助开发面向盲人和低视力 (BLV) 人士的多模态大语言模型 (MLLMs) 的新数据集。该数据集包含来自 46 个国家/地区的真实行人场景的 22,000 个图像-描述对，并利用了人类-AI 管道以实现更具可扩展性的标注。此外，GuideDogQA 是一个包含 818 个样本的基准测试，用于评估物体识别和深度感知能力，而目前的 MLLMs 在这些领域显示出局限性。