MVGraph

新的MVGraph基准揭示LVLM在多视图视觉图推理方面存在困难

研究人员推出MVGraph，一个旨在评估大型视觉语言模型（LVLM）在跨多个互联视觉图视图组合证据能力的新基准。现有基准通常侧重于单个图，忽略了在不同视角之间对齐和合并信息这一关键方面。MVGraph包含8,000个实例，涵盖8个图论任务，源自涉及部分和时间图视图的场景，每个问题都专门设计为无法仅从单个视图解决。该基准还提供诊断任务，以评估四项关键能力：感知、对齐、组合和推理，揭示了当前LVLM在跨视图边对齐和关系级组合方面存在的重大瓶颈。