纽约大学 发布 VSI-Bench 数据集, 应用在 多模态模型、视觉空间智能 领域

纽约大学 本次发布的数据集 VSI-Bench, VSI-Bench是一个用于评估多模态大语言模型（MLLMs）视觉空间智能的新型视频基准数据集，由纽约大学、耶鲁大学和斯坦福大学联合创建。该数据集包含超过5000个问题-答案对，来源于288个真实的室内场景视频，涵盖住宅、办公室和工厂等多种环境。数据集的创建过程结合了现有的3D重建和理解数据集，如ScanNet、ScanNet++和ARKitScenes，并通过人工审核确保数据质量。VSI-Bench主要用于测试模型在空间感知、物体识别和路径规划等任务中的表现，旨在推动多模态模型在视觉空间智能领域的应用和发展。

查看VSI-Bench

关于 纽约大学 , 纽约大学（New York University，简称NYU）是一所位于美国纽约市的世界顶尖私立研究型大学，成立于1831年。该校在多个学科领域享有盛誉，尤其以艺术、人文、社会科学、法学和商学等领域的研究著称。纽约大学在全球多个城市设有分校，如阿布扎比和上海，是一所具有广泛国际影响力的大学。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。