新基准ARCH-B评估多模态模型跨建筑表征理解能力
论文AI 评分 62/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
Kieran Sagar Parikh等人提出ARCH-B基准，测试多模态模型识别同一建筑在不同视觉媒介（如照片、平面图、渲染图）下的能力。该基准含354道四选一题，涵盖11种跨表征原型，源自390万张建筑图像语料库，经相似干扰项、模型引导难度筛选及人工验证构建。对25个模型的评测显示，其准确率介于10.45%至83.90%，非专业人类基线为35.35%。模型在平面图与照片对应上表现较弱，且人机难度相关性仅0.33，表明模型缺陷与人类不同。
为什么值得看
揭示多模态模型在跨表征视觉对应上的短板，提供诊断建筑媒介表征迁移的专属工具。
多模态
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。