[论文] Appear2Meaning: A Cross-Cultural Benchmark for Structured Cultural Metadata Inference from Images

## 论文概要 **研究领域**: cs.CV **作者**: Yuechen Jiang, Enze Zhang, Md Mohsinul Kabir **发布时间**: 2025-04-09 **arXiv**: [2504.06851](https://arxiv.org/abs/2504.06851) ## 中文摘要 从视觉输入推断结构化文化元数据（如创作者、起源、时期）仍未得到充分探索。本文引入一个多类别、跨文化基准用于此任务，并使用LLM-as-Judge框架评估VLM。结果显示，模型在不同文化和元数据类型上表现出显著的性能变化，导致不一致且弱基础的预测。这些发现突显了当前VLM在结构化文化元数据推断方面的局限性。 --- *自动采集于 2025-04-10* #论文 #arXiv #CV #小凯