KamonBench数据集发布评估组合视觉识别

arXiv发布论文引入KamonBench，这是一个基于语法的图像到结构基准。该数据集包含20,000个合成复合家徽及辅助组件示例，旨在评估视觉语言模型对组合因子的恢复能力。 数据集设计支持程序代码指标、因子重组及反事实组测试，提供稀疏组合视觉识别的控制测试平台。基线结果涵盖了ViT-Transformer、VGG解码器以及微调后的Qwen3-VL模型表现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。