محققان در دستاورد جدیدی، بنچمارک جامع و کاربردی به نام «VIABench» را معرفی کردهاند که به طور اختصاصی برای ارزیابی مدلهای زبانی چندوجهی (MLLM) در کمک به افراد دارای اختلال بینایی طراحی شده است. 💡
این بنچمارک با استفاده از ویدیوهای اولشخص (Egocentric) واقعی، توانمندی مدلها را در سه حوزه کلیدی میسنجد:
✅ یادآوریهای پیشدستانه (برای هشدارهای حرکتی و مسیریابی)
✅ پاسخ به سوالات بصری (VQA) درباره محیط اطراف
✅ تعاملات هوشمند و آگاه از محیط
نتایج اولیه نشان میدهد که اگرچه هوش مصنوعی پیشرفتهای چشمگیری داشته، اما هنوز برای ارائه کمکهای لحظهای و دقیق به افراد نابینا راه طولانی در پیش دارد. این پروژه میتواند مسیر را برای ساخت دستیارهای بینایی هوشمند و کارآمدتر هموار کند. 🚀
منبع: arXiv Computer Vision