跳到正文
arXiv · AI· Sidra Hanif·· 21 天前AI 评分28

inkGround:野外连笔手写视觉语言模型细粒度视觉定位基准

inkGround: Benchmarking Fine-grained Visual Grounding Capabilities of Vision-Language Models for Cursive Handwriting in the Wild

AI 导读

研究引入 inkGround 基准,用于评估视觉语言模型(VLM)从相机拍摄手写图片中恢复笔画轨迹的能力。该数据集包含 537 页图像、约 1.87 万词及 16.3 万笔画,并基于 OCR 与人工校验生成参考轨迹。

来源:arXiv · AI · arxiv.org