Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Do Vision-Language Models See Urban Scenes as People Do? An Urban Perception Benchmark

Created by
  • Haebom

저자

Rashid Mushkani

개요

본 논문은 도시 경관을 이해하는 방식이 디자인과 계획에 미치는 영향을 파악하기 위해, 비전-언어 모델(VLMs)의 도시 인지 능력 평가를 위한 소규모 벤치마크를 제시한다. 몬트리올 거리 사진 100장(사진과 사실적인 합성 이미지 균등 배분)을 사용하여, 12명의 참가자가 물리적 속성과 주관적 인상을 혼합한 30가지 차원에 대해 230개의 주석 양식을 제공했다. 7개의 VLM을 제로샷 방식으로 평가했으며, 정확도와 자카드 중첩을 사용했다. 가시적이고 객관적인 특성에 대한 모델의 정렬이 주관적 평가보다 더 강함을 발견했다.

시사점, 한계점

•
시사점:
◦
도시 인지 관련 VLMs 성능 평가를 위한 벤치마크 구축.
◦
객관적 속성에 대한 모델의 강한 성능을 확인.
◦
재현 가능한 평가를 위한 벤치마크, 프롬프트, 도구 공개.
◦
참여형 도시 분석에 활용 가능성 제시.
•
한계점:
◦
주관적 평가에 대한 모델 성능은 상대적으로 낮음.
◦
합성 이미지에서 약간의 성능 저하.
◦
사용된 데이터셋의 규모가 작음.
👍
Made with Slashpage