VG-SHAP

新研究评估了视觉语言模型在视觉基础方面的能力，以帮助视障人士

一篇新的研究论文评估了视觉语言模型（VLM）在视觉基础方面的能力，特别是用于协助视障人士。该研究使用了 VizWiz-VQA-Grounding 数据集和挑战，其中包含由视障人士拍摄的真实图像。研究人员提出了 VG-SHAP，一个用于评估黑盒 VLM 的可解释性框架，并发现尽管模型通常能提供正确的答案，但它们在准确地定位相关图像区域方面存在困难。