跳到正文
arXiv · NLP· Edoardo Cecchinato, Shun Inadumi, Angel Garc\'ia Contreras, Giuseppe Riccardi, Koichiro Yoshino·· 3 天前AI 评分20

JAG-D 数据集:评估对话中视觉与语言歧义消解的基准测试

Seeing Isn't Resolving: Visual and Linguistic Disambiguation with Conversational Grounding

AI 导读

研究构建日语多模态交互基准 JAG-D,评估 VLM 在视觉与语言歧义下的消解能力。实验显示,利用对话上下文可显著提升语言歧义(如日语零形回指)的解决率。该基准旨在分析对话语义内容或结构对视觉定位提升的具体贡献。

来源:arXiv · NLP · arxiv.org