VISTA：面向盲人与低视力用户的目标导向感知与辅助多模态第一人称基准测试

英文标题：VISTA: A Multimodal Egocentric Benchmark for Goal-Oriented Perception and Assistance to Blind and Low-Vision Users

视障与低视力严重制约了许多人独立完成日常任务的能力，这也催生了能够提供实用指引的 AI 辅助技术的快速发展。然而，现有的视觉基准测试难以充分评估多模态模型在真实日常场景中提供有效辅助的能力。为此，研究团队推出了多模态第一人称视角基准测试 VISTA，专注于评估模型在面向目标的感知与实时辅助方面的综合表现。该基准为开发者检验多模态 Agent 与具身无障碍辅助系统的实用价值提供了关键评估标准。

2.1 KB 483 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB