Flow Map Learning for Unknown Dynamical Systems: Overview, Implementation, and Benchmarks
Trinity College(三一学院);The Ohio State University(俄亥俄州立大学)
本文介绍结合DNN的流映射学习(FML)框架及其实现细节,提出未知动力系统学习基准问题并给出数值细节与FML结果,保障问题可交叉验证、结果可复现。
2023-07-20 cs.LG math.DS stat.ML
QC-Stark: A Multi-Task Benchmark Revealing Capability Dissociations in LLMs Evaluated on Quantum Computing Tasks
Cisco(思科)
提出QC-Stark多任务基准,评估LLM在11项量子计算任务上的表现,发现总体排名掩盖任务间差异,且部分任务排名不相关,所有任务可自动验证。
2026-09-29 cs.AI cs.LG quant-ph
DFBench: Benchmarking Deepfake Image Detection Capability of Large Multimodal Models
Shanghai Jiao Tong University(上海交通大学)
本文提出大规模深度伪造基准DFBench,含54万张图像并支持双向评估,同时提出基于多智能体混合的MoA-DF检测方法,验证了大型多模态模型在深度伪造检测中的有效性。
2025-06-03 cs.CV
BenchLMM: Benchmarking Cross-style Visual Capability of Large Multimodal Models
Nanyang Technological University(南洋理工大学);University of Technology Sydney(悉尼科技大学);Northeastern University(东北大学);Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学);Zhejiang University(浙江大学)
提出 BenchLMM 基准,从艺术、传感器和应用三大类共十五种子风格评估大型多模态模型的鲁棒性,并给出无需训练的风格预测提示增强方法。
2023-12-06 cs.CV
ReLE: A Scalable System and Structured Benchmark for Diagnosing Capability Anisotropy in Chinese LLMs
Sun Yat-sen University(中山大学);ReLE Benchmark Team(ReLE基准团队);NSFOCUS Technologies Co., Ltd.(NSFOCUS技术有限公司);HKUST-GZ(香港科技大学-广州);Huawei(华为);Ping An Property & Casualty Insurance Company of China, Ltd(平安财产保险股份有限公司)
ReLE通过可扩展系统和结构化基准诊断中文大语言模型的能力异质性,提升评估效率和准确性。
2026-01-24 cs.AI cs.CV
CausalBN-Bench: A Comprehensive Benchmark for Causal Learning Capability of LLMs
The Hong Kong Polytechnic University(香港理工大学);College of Computer Science, Chongqing University(重庆大学计算机学院)
CausalBN-Bench基准通过三个难度任务评估19个LLM的因果学习能力,发现其在大型网络上落后于传统算法,但擅长链式结构,且通过语义关联理解因果。
2026-09-09 cs.LG
QUIET: A Multi-Blank Cascaded Story Cloze Benchmark for LLM Creative Generation Capability
提出QUIET基准,通过多空白级联故事完形填空和基于信息论的自动评分协议,客观评估大语言模型的创意生成能力。
2026-05-25 cs.AI cs.CL cs.LG
MMLU-SR: A Benchmark for Stress-Testing Reasoning Capability of Large Language Models
USC(南加州大学);Rutgers(罗格斯大学);UW-Madison(威斯康星大学麦迪逊分校)
本文提出 MMLU-SR 基准,通过将关键术语替换为带定义的虚拟词来压力测试大语言模型的真正理解能力,发现模型性能大幅下降,揭示了高分背后的理解缺陷。
2024-10-04 cs.AI cs.CL cs.LG
Unknown Sniffer for Object Detection: Don't Turn a Blind Eye to Unknown Objects
Beijing University of Posts and Telecommunications(北京邮电大学);Chongqing University of Posts and Telecommunications(重庆邮电大学)
针对开放世界检测中背景未知目标易被抑制的问题,本文提出 UnSniffer,通过 GOC、负能量抑制损失和基于图的判定方案提升未知与已知目标检测性能,并建立首个含精度评估的未知目标检测公开基准。
2023-04-20 cs.AI cs.CV cs.LG
Multimodal Needle in a Haystack: Benchmarking Long-Context Capability of Multimodal Large Language Models
Rutgers University(罗格斯大学);Microsoft Research(微软研究院)
针对多模态大型语言模型长上下文能力评估不足的问题,提出MMNeedle基准,通过多图像输入、图像拼接及自动标签生成协议评估模型,发现GPT-4o表现更优但负样本有幻觉,且API与开源模型存在性能差距。
2025-02-11 cs.AI cs.CL cs.CV
SIM2E: Benchmarking the Group Equivariant Capability of Correspondence Matching Algorithms
Tongji University(同济大学)
对应匹配是计算机视觉和机器人应用中的一个基本问题。最近,使用神经网络解决对应匹配问题已经兴起。旋转等方差和尺度等方差在对应匹配应用中都是至关重要的。经典的对应匹配方法被设计为承受缩放和旋转变换。然而,使用卷积神经网络(CNN)提取的特征在一定程度上只是一种等变的。最近,研究人员一直在努力提高基于群论的CNN的旋转等方差。Sim(2)是2D平面中的相似变换群。本文提出了一个专门的数据集,致力于评估sim(2)-等变对应匹配算法。我们比较了16种最先进的(SoTA)对应匹配方法的性能。实验结果证明了群等变算法在各种sim(2)变换条件下对应匹配的重要性。由于基于CNN的对应匹配方法实现的亚像素精度不令人满意,因此在未来的工作中需要更多关注这一特定领域。我们的数据集可在mias.group/SIM2E上公开获取。
2022-08-21 cs.AI cs.CV
One Capability or Many? Structural and Predictive Tests of Benchmark Validity Disagree About Economic Benchmarks for Frontier AI
University of Oxford(牛津大学)
该研究测试前沿AI评估的经济基准是否对应独立能力,发现其未形成独特因子,仅为日期驱动的通用能力因子提供增量信息,同期模型差距需经日期调整后才反映能力差异。
2026-09-28 cs.CY cs.LG cs.SE
Venus: Benchmarking and Empowering Multimodal Large Language Models for Aesthetic Guidance and Cropping
Wangxuan Institute of Computer Technology, Peking University(北京大学计算机技术研究所)
Venus通过两阶段框架提升多模态大语言模型的审美指导与裁剪能力,实现可解释的审美优化。
2026-02-27 cs.CV
VISTA-Bench: Benchmarking Multilingual Image Translation with Image-Specific Rubrics
Tencent(腾讯)
本文提出VISTA-Bench,一个覆盖22种语言和10个领域的多语言图像翻译基准,采用图像特定评分标准协议,评估16个主流模型,以系统衡量翻译质量与视觉信息保持能力。
2026-09-30 cs.AI cs.CV
Solving for X and Beyond: Can Large Language Models Solve Complex Math Problems with More-Than-Two Unknowns?
University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
本文提出了包含多未知数的新基准BeyondX,揭示了现有LLMs在未知数增加时性能显著下降,并提出Formulate-and-Solve策略有效提升模型解决多未知数问题的能力。
2024-07-06 cs.AI cs.CL cs.LG
Video-Arena: A Scalable Agentic Video Benchmark for Spatiotemporal Capability
miHoYo Honkai AI R&D Team(米哈游崩坏AI研发团队);College AI, Tsinghua University(清华大学人工智能学院);University of Chinese Academy of Sciences(中国科学院大学);MMLab, The University of Hong Kong(香港大学多媒体实验室);National University of Singapore(新加坡国立大学)
本研究推出Video-Arena基准,通过9款游戏的180个任务,在原生视觉理解与工具辅助智能体分析两种协议下,评估模型感知、解读、追踪动态世界状态的时空能力,发现工具辅助系统仍存在状态解读与追踪的不足。
2026-10-14 cs.CV
STEM: Efficient Relative Capability Evaluation of LLMs through Structured Transition Samples
针对LLM评估中基准过拟合、计算成本高及能力差异难区分的问题,提出STEM框架,通过识别相同架构不同规模LLM的显著过渡样本,高效估计未知模型相对能力,实验显示其能可靠捕捉性能趋势并匹配真实排名。
2025-08-20 cs.AI cs.CL cs.LG
WebForge: Breaking the Realism-Reproducibility-Scalability Trilemma in Browser Agent Benchmark
Tencent BAC(腾讯BAC);Tsinghua University(清华大学)
WebForge通过四阶段流程生成自包含的网页环境,解决基准测试中的现实性、可重现性和可扩展性矛盾,构建包含934个任务的基准测试集,揭示多维评估对模型能力的深入刻画。
2026-04-13 cs.AI cs.CV
Idea2Plan: Exploring AI-Powered Research Planning
University of Michigan(密歇根大学);Microsoft Research(微软研究院)
探讨大语言模型从概念研究想法到结构化研究计划的过渡能力,通过引入Idea2Plan任务、基准及JudgeEval评估,实验发现GPT-5表现最佳但仍有提升空间,为LLMs研究规划能力研究提供新见解和基础。
2026-07-17 cs.CL cs.LG
Synthetic Unknown Class Learning for Learning Unknowns
Northwestern University(西北大学)
本文讨论了开集识别(OSR)问题,其目标是正确分类已知类的样本,同时检测未知样本拒绝。在OSR问题中,“未知”被假设为具有无限的可能性,因为我们在未知出现之前对它们一无所知。直觉上,OSR系统探索未知的可能性越多,就越有可能检测到未知。因此,本文提出了一种新的合成未知类学习方法,生成未知类样本,同时保持所生成的样本之间的多样性,并学习这些样本。除了这个未知样本生成过程外,还引入了知识蒸馏,为学习合成未知量提供了空间。通过交替学习类未知样本和已知样本,该方法不仅可以体验不同的合成未知数,而且还可以减少相对于已知类的过度泛化。在多个基准数据集上的实验表明,该方法的性能明显优于其他最先进的方法。它还表明,现实的未知数字可以通过所提出的方法在MNIST数据集上训练后生成和学习。
2021-11-15 cs.CV
GraphInfer-Bench: Benchmarking LLM's Inference Capability on Graphs
The Hong Kong University of Science and Technology(香港科技大学);Webank(微众银行)
提出GraphInfer-Bench基准,通过五个任务(描述与比较)测试LLM能否从节点及其邻域推断出无法从单节点或路径检索的答案,发现所有方法均存在差距。
2026-06-11 cs.CL cs.LG
Spatial Competence Benchmark
Independent Researcher(独立研究员);Maptek
本文提出空间能力基准(SCBench),通过三级能力层级评估大模型的空间能力,发现模型在能力层级上准确性呈递减趋势,且低预算下准确性提升显著。
2026-03-05 cs.AI cs.LG
SUTD-TrafficQA: A Question Answering Benchmark and an Efficient Network for Video Reasoning over Traffic Events
Singapore University of Technology and Design(新加坡科技设计大学)
视频中的交通事件认知和推理是一项重要任务,在智能交通、辅助驾驶和自动驾驶汽车等领域有着广泛的应用。在本文中,我们创建了一个新的数据集,SUTD-Question QA(Traffic问答),它采用视频QA的形式,基于收集的10,080个野外视频和注释的62,535个QA对,用于对复杂交通场景中因果推理和事件理解模型的认知能力进行基准测试。具体而言,我们提出了6个具有挑战性的推理任务,对应于各种交通场景,以评估推理能力在不同类型的复杂而实际的交通事件。此外,我们提出了Eclipse,一种新的高效的一瞥网络,通过动态推理,以实现计算效率和可靠的视频推理。实验表明,我们的方法实现了优越的性能,同时大大降低了计算成本。项目页面:https://github.com/SUTDCV/SUTD-TrafficQA。
2021-07-06 cs.CV
Machine Learning Capability: A standardized metric using case difficulty with applications to individualized deployment of supervised machine learning
University of Calgary(卡尔加里大学);Cumming School of Medicine(卡明医学院)
模型评估是有监督机器学习分类分析中的一个关键组成部分。传统的度量标准目前不包括病例难度。这使得分类结果无法进行基准化。项目反应理论(IRT)和计算机自适应测试(CAT)与机器学习可以独立于最终分类结果的基准数据集。这提供了关于评估效用的高水平的案例级信息。为了展示,使用了两个数据集:1)健康相关和2)物理科学。对于健康数据集,使用双参数IRT模型,对于物理科学数据集,使用多变量IRT模型来分析预测特征,并将每个病例置于难度连续体上。CAT的方法被用来确定算法的性能和适用性的新数据。这种方法提供了一种有效的基准数据方法,只使用一小部分数据集(不到1%),计算效率比传统指标高22- 60倍。这种称为机器学习能力(MLC)的新指标具有额外的好处,因为它对结果分类没有偏见,并且是在数据集内和跨数据集进行模型比较的标准化方式。MLC提供了关于监督机器学习算法的限制的度量。在算法不足的情况下,决策需要其他输入。
2023-02-09 cs.LG
Calibration of Structured Ignorance Certificates for Diagnosing Unknown Unknowns in Reasoning Models
University of California, Berkeley(加州大学伯克利分校)
提出结构化无知证书(SICs)输出格式,通过GRPO微调14B模型,使模型在无法回答时明确承认知识缺失并生成检索查询,在未知未知问题上实现99.46%的JSON有效性和0.967的证书特异性分数。
2026-06-07 cs.AI cs.CL cs.LG
F-SIOL-310: A Robotic Dataset and Benchmark for Few-Shot Incremental Object Learning
The Pennsylvania State University(宾夕法尼亚州立大学)
深度学习通过像ImageNet这样的大规模数据集的可用性在对象识别任务中取得了显着的成功。然而,深度学习系统在增量学习而不重放旧数据时会遭受灾难性遗忘。对于现实世界的应用,机器人还需要逐步学习新对象。此外,由于机器人可获得的人类帮助有限,它们必须仅从几个例子中学习。然而,很少有对象识别数据集和基准测试存在,以测试机器人视觉的增量学习能力。此外,从一些例子来看,没有专门为增量对象学习设计的数据集或基准。为了填补这一空白,我们提出了一个新的数据集称为F-SIOL-310(Few-Shot增量对象学习),这是专门为测试机器人视觉的Few-Shot增量对象学习能力而捕获的。我们还提供了F-SIOL-310上的8种增量学习算法的基准测试和评估,以供将来进行比较。我们的研究结果表明,机器人视觉的Few-Shot增量对象学习问题远未得到解决。
2022-04-20 cs.CV cs.RO
Biology-Instructions: A Dataset and Benchmark for Multi-Omics Sequence Understanding Capability of Large Language Models
Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);University of Science and Technology of China(中国科学技术大学);University of Sydney(悉尼大学);University of Toronto(多伦多大学);Chinese University of Hong Kong(香港中文大学);Shanghai Jiao Tong University(上海交通大学);Fudan University(复旦大学);Shanghai Innovation Institute(上海创新研究院)
本文提出首个多组学指令微调数据集 Biology-Instructions 及三阶段训练基线 ChatMultiOmics,以提升大型语言模型对 DNA、RNA、蛋白质等生物序列的理解能力,并公开相关资源。
2025-09-23 cs.AI cs.LG q-bio.BM
Benchmark Early and Red Team Often: A Framework for Assessing and Managing Dual-Use Hazards of AI Foundation Models
针对前沿AI基础模型的两用风险,提出结合开放基准测试与封闭红队评估的风险管理框架,验证二者得分相关性后可实现低成本初筛加深度评估的风险管控,并提出应对基准作弊的缓解措施。
2024-05-15 cs.AI cs.CR cs.CY
MBench: A Comprehensive Benchmark on Memory Capability for Video World Models
Tsinghua University(清华大学);WeChat Vision, Tecent Inc.(微信视觉,腾讯公司);Peking University(北京大学)
提出MBench基准,通过实体一致性、环境一致性和因果一致性三个核心维度及其12个子维度,系统评估视频世界模型的长期记忆能力,并揭示现有方法在长期状态保持上的关键局限。
2026-06-08 cs.CV
Unknown Face Presentation Attack Detection via Localised Learning of Multiple Kernels
University of Surrey(萨里大学)
这篇论文研究的是面部欺骗,也就是。演示攻击检测(PAD)在未知类型的攻击的苛刻场景。虽然早期的研究已经揭示了集成方法的好处,特别是多核学习方法的问题,这种技术的一个局限性是,他们通常处理整个观察空间类似,忽略任何变化和局部结构固有的数据。这项工作研究了这方面的人脸呈现攻击检测问题的多个内核学习在一个类设置受益于真正的人脸样本的内在局部结构。更具体地说,受一类Fisher零形式主义的成功的启发,我们制定了一个凸局部化多核学习算法,通过对局部核权重的集合施加联合矩阵范数约束,并推断局部自适应权重,用于zero-shot一类不可见攻击检测。我们提出了一个理论研究建议本地化MKL算法使用Rademacher复杂性,以证明其泛化能力,并证明了所提出的技术的优势,在其他一些选项。在一般对象图像数据集上对所提出的方法进行了评估,说明了其对异常和新颖性检测的有效性,而在人脸PAD数据集上的实验结果验证了其在检测未知/不可见人脸呈现攻击方面的潜力。
2022-04-22 cs.CV cs.LG
Video Class Agnostic Segmentation Benchmark for Autonomous Driving
University of Alberta(阿尔伯塔大学);Wayve
语义分割方法通常在具有已知类的封闭有限集合的大规模数据上训练,而不考虑未知对象。在某些安全关键的机器人应用中,尤其是自动驾驶,分割所有对象非常重要,包括那些在训练时未知的对象。我们形式化的任务,视频类不可知的自动驾驶中的单目视频序列分割占未知的对象。视频类别不可知分割可以被公式化为开集或运动分割问题。我们讨论这两种配方,并提供数据集和基准不同的基线方法,这两个轨道。在运动分割跟踪中,我们对实时联合全景和运动实例分割进行基准测试,并评估自我流抑制的效果。在开集分割跟踪中,我们评估了结合外观和几何形状来学习每个语义类的原型的基线方法。然后,我们将其与使用辅助对比损失来提高已知和未知对象之间的区分的模型进行比较。数据集和模型在https://msiam.github.io/vca/上公开发布。
2021-04-20 cs.CV
Benchmarking Egocentric Clinical Intent Understanding Capability for Medical Multimodal Large Language Models
Shenzhen University(深圳大学);Stanford University(斯坦福大学);City University of Hong Kong(香港城市大学)
本文提出MedGaze-Bench,首个评估医疗多模态大语言模型视点临床意图理解能力的基准测试,通过三维意图框架和陷阱QA机制,揭示现有模型在手术、急救和诊断任务中对意图理解的不足。
2026-01-11 cs.AI cs.CL cs.CV
ViC-Bench: Benchmarking Visual-Interleaved Chain-of-Thought Capability in MLLMs with Free-Style Intermediate State Representations
School of Computer Science and Technology, Xi’an Jiaotong University(西安交通大学计算机科学与技术学院);Meituan Inc.(美团公司);Institute of Advanced Technology, University of Science and Technology of China(中国科学技术大学先进技术研究院);School of Computer Science and Technology, East China Normal University(华东师范大学计算机科学与技术学院);Research Center for Space Computing System, Zhejiang Lab(浙江实验室空间计算系统研究中心);College of Electronic and Information Engineering, Tongji University(同济大学电子与信息工程学院);School of Robotics and Automation, Nanjing University(南京大学机器人与自动化学院);College of Intelligent Robotics and Advanced Manufacturing, Fudan University(复旦大学智能机器人与先进制造学院)
ViC-Bench 通过自由式中间状态表示法,系统评估多模态大语言模型的视觉交错链式思维能力,涵盖四个任务并提出新评估指标。
2025-12-28 cs.CV
Anomaly-Aware Semantic Segmentation by Leveraging Synthetic-Unknown Data
National Taiwan University(台湾大学);National Tsing Hua University(清华大学)
异常感知是自动驾驶等安全关键型应用的基本功能。虽然机器人技术和计算机视觉的最新进展使异常检测图像分类,异常检测语义分割是较少探索。传统的异常感知系统假设其他现有的类作为分布外(伪未知)类来训练模型将导致两个缺点。(1)应用程序需要处理的未知类在训练期间可能实际上并不存在。(2)模型性能将强烈依赖于类的选择。观察到这一点,我们提出了一种新的合成未知数据生成,旨在解决异常感知的语义分割任务。我们设计了一个新的掩蔽梯度更新(MGU)模块,以生成沿分布数据点的边界的辅助数据。此外,我们修改了传统的交叉熵损失以强调边界数据点。我们在两个异常分割数据集上达到了最先进的性能。消融研究也证明了所提出的模块的有效性。
2021-11-29 cs.CV
Benchmarking Post-Hoc Unknown-Category Detection in Food Recognition
University of Bern(伯尔尼大学)
本研究针对食物识别模型易将未知类别样本误判为分布内类别的问题,对多种事后OOD检测方法开展细粒度食物识别实证分析,发现ViM整体最优,验证了ID准确率与OOD检测性能正相关,且Transformer架构优于卷积模型。
2025-03-24 cs.CV
ParseBench: A Document Parsing Benchmark for AI Agents
本文提出ParseBench,一个包含2000多页企业文档的基准测试,涵盖表格、图表、内容忠实度、语义格式和视觉关联五大能力维度,揭示了当前系统在这些方面的能力缺口。
2026-04-13 cs.CV
Revisiting Open World Object Detection
Beihang University(北京航空航天大学)
开放世界目标检测(OWOD)模拟知识不断增长的真实动态世界,试图检测已知和未知类,并逐步学习识别出的未知类。我们发现,虽然只有以前的OWOD工作建设性地提出了OWOD的定义,实验设置是不合理的,不合理的基准,混乱的度量计算,和不适当的方法。在本文中,我们重新思考OWOD的实验设置,并提出了五个基本的基准原则,以指导OWOD基准建设。此外,我们还针对OWOD问题设计了两个公平的评估协议,填补了从未知类的角度进行评估的空白。此外,我们引入了一个新的和有效的OWOD框架包含一个辅助建议ADvisor(PAD)和类特定的驱逐分类器(CEC)。非参数PAD可以帮助RPN在没有监督的情况下识别准确的未知建议,而CEC则可以校准过度自信的激活边界,并通过特定于类的驱逐函数过滤掉令人困惑的预测。在我们的公平基准上进行的综合实验表明,我们的方法在现有的和我们的新指标方面优于其他最先进的目标检测方法。我们的基准测试和代码可以在https://github.com/RE-OWOD/RE-OWOD上找到。
2022-01-04 cs.CV
What Transfers from Text to Vision? Capability Scaling Laws and Transfer Dynamics for VLMs
Meituan(美团);Tsinghua University(清华大学)
该研究提出首个跨家族的能力驱动多模态缩放定律,可通过LLM文本能力预测VLM性能,将主干选择从经验搜索转为定量决策,还揭示了LLM作为VLM主干的相关见解。
2026-11-03 cs.AI cs.CL cs.CV
LegendBench: A Diagnostic Benchmark for Legend Understanding with Counterfactual Interventions
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
针对VLM图例理解缺乏细粒度诊断的问题,提出LegendBench基准,通过能力分类与反事实干预生成测试用例,定位并改善图例绑定与推理瓶颈。
2026-09-22 cs.CV
PerceptionBench: Evaluating Atomic Visual Perception in Multimodal Large Language Models
Moonshot AI(登月人工智能)
介绍用于评估多模态大语言模型原子视觉感知能力的PerceptionBench基准,通过自下而上方法构建错误分类法及相关问题,测试16个前沿模型,发现原子感知待解决,该基准为衡量MLLM视觉感知边界提供标准。
2026-07-29 cs.CV
Style Evolving along Chain-of-Thought for Unknown-Domain Object Detection
College of Intelligence and Computing, Tianjin University(天津大学智能与计算学部);School of Electronic Engineering, Xidian University(西安电子科技大学电子工程学院)
针对单域泛化目标检测中复杂组合风格难以由单步提示建模的问题,提出沿思维链逐步细化、扩展并演化风格信息的方法,在多种恶劣天气及 Real to Art 基准上显著提升未知域检测性能。
2025-03-13 cs.CV
A Review of 1D Convolutional Neural Networks toward Unknown Substance Identification in Portable Raman Spectrometer
Metrology Research Centre, National Research Council Canada(加拿大国家研究委员会计量研究中心)
拉曼光谱是一种强大的分析工具,其应用范围从质量控制到尖端生物医学研究。在过去十年中取得巨大进步的一个特殊领域是强大的手持式拉曼光谱仪的开发。它们已被第一反应者和执法机构广泛采用,用于现场分析未知物质。拉曼光谱法对未知物质的现场检测和识别在很大程度上依赖于现有设备的光谱匹配能力。传统的光谱匹配算法(如相关、点积等)通过将未知的拉曼光谱与大型参考数据库进行比较,已被用于识别未知的拉曼光谱。这通常通过参考光谱和未知光谱之间的逐像素差异的蛮力求和来实现。传统的算法有明显的缺点。例如,它们往往可以很好地识别纯化合物,但对于混合物化合物则效果较差。例如,有限的参考光谱不可访问的数据库与大量的类相对于样品的数量已经为拉曼光谱的现场分析应用的广泛使用的挫折。最先进的深度学习方法(特别是卷积神经网络CNN)作为一种替代方法,与传统的频谱比较算法相比具有许多优势。经过优化,它们非常适合部署在手持式光谱仪中,用于现场检测未知物质。在这项研究中,我们提出了一个全面的调查,在使用一维CNN的拉曼光谱识别。具体来说,我们强调了这种强大的深度学习技术在手持式拉曼光谱仪中的使用,同时考虑到手持式系统在功耗和计算能力方面的潜在限制。
2020-06-18 cs.CV cs.LG eess.SP
VideoVerse: Does Your T2V Generator Have World Model Capability to Synthesize Videos?
Sun Yat-sen University(中山大学);Hong Kong Polytechnic University(香港理工大学);Tsinghua University(清华大学);OPPO Research Institute(OPPO研究院)
VideoVerse通过评估T2V模型对复杂时间因果关系和世界知识的理解能力,揭示现有模型与理想世界建模能力的差距。
2026-05-15 cs.CV
EgoThink: Evaluating First-Person Perspective Thinking Capability of Vision-Language Models
Tsinghua University(清华大学);Institute for AI Industry Research (AIR), Tsinghua University(清华大学人工智能产业研究院(AIR));University of Toronto(多伦多大学);Zhili College, Tsinghua University(清华大学至理书院)
本文提出第一人称视角视觉问答基准EgoThink,涵盖六项核心能力与十二个维度,并通过评估十八个VLM揭示现有模型在第一人称思维任务上仍有较大提升空间。
2024-03-28 cs.CL cs.CV