arXiv · cs.LG· Trishna Chakraborty, Udita Ghosh, Aldair Ernesto Gongora, Ruben Glatt, Yue Dong, Jiachen Li, Amit K. Roy-Chowdhury, Chengyu Song·· 19 小时前
用视觉语言模型实现自主实验室安全监控：通过场景结构学习识别危险
Toward Autonomous Laboratory Safety Monitoring with Vision Language Models: Learning to See Hazards Through Scene Structure
AI 导读
研究者构建了包含 1,207 个图像-场景图-真值-危险相关性掩码四元组、覆盖 362 个场景的合成数据集，用于评估视觉语言模型的实验室安全监控能力。实验显示 VLM 在有文本场景图时表现良好，但纯视觉设置下性能大幅下降，难以直接从像素提取结构化物体关系。
来源：arXiv · cs.LG · arxiv.org