Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

¿Los modelos de visión-lenguaje perciben las escenas urbanas como las personas? Un punto de referencia de la percepción urbana

Created by
  • Haebom

Autor

Rashid Mushkani

Describir

Este artículo presenta un punto de referencia a pequeña escala para evaluar las capacidades cognitivas urbanas de los modelos de visión-lenguaje (VLM) con el fin de comprender cómo la comprensión de los paisajes urbanos influye en el diseño y la planificación. Utilizando 100 fotografías de calles de Montreal (con una distribución equitativa de fotografías e imágenes sintéticas realistas), 12 participantes proporcionaron 230 formularios de anotación en 30 dimensiones, combinando atributos físicos e impresiones subjetivas. Se evaluaron siete VLM mediante un enfoque de cero disparos, utilizando precisión y superposición de Jaccard. Se observó que la alineación de los modelos con las características objetivas visibles era más sólida que sus evaluaciones subjetivas.

Takeaways, Limitations

•
Takeaways:
◦
Construcción de un punto de referencia para evaluar el desempeño de los VLM relacionados con la cognición urbana.
◦
Confirmamos el buen desempeño del modelo en propiedades objetivas.
◦
Divulgación de puntos de referencia, pautas y herramientas para una evaluación reproducible.
◦
Presentando la posibilidad de utilizarlo para el análisis urbano participativo.
•
Limitations:
◦
El rendimiento del modelo en evaluaciones subjetivas es relativamente bajo.
◦
Ligera degradación del rendimiento en imágenes sintéticas.
◦
El tamaño del conjunto de datos utilizado es pequeño.
👍
Made with Slashpage