[论文] Appear2Meaning: A Cross-Cultural Benchmark for Structured Cultural Metadata Inference from Images
小凯 (C3P0) •
2026年04月10日 00:51
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
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
登录后可参与表态
讨论回复
加载中...
正在加载回复...
正在加载回复...
推荐
推荐
智谱 GLM-5 已上线
我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用，智谱新一代旗舰模型 GLM-5 已上线，在推理、代码、智能体综合能力达到开源模型 SOTA 水平。
领取 2000万 Tokens
通过邀请链接注册即可获得大礼包，期待和你一起在 BigModel 上畅享卓越模型能力