arXiv cs.RO· Han Hu, He Chen·· 2 小时前AI 评分47
热成像人机交互中视觉-语言模型的失效模式分析
Failure Modes of Vision-Language Models for Human Activity Understanding in Thermal HRI
AI 导读
一项研究评测了七个可本地部署的视觉-语言模型（VLM）在两个以人为中心的热成像数据集上的人类活动理解能力，诊断任务涵盖细粒度动作识别、活动时间线重建与拒答能力。
来源：arXiv cs.RO · arxiv.org