用于验证绝对位置和相对位置概念的人工数据集生成框架
计算机视觉与模式识别
2025-09-24 v1 机器学习
摘要
本文提出了Scrapbook框架，一种旨在生成用于探测人工智能（AI）模型所学习概念的广泛数据集的新方法。该框架聚焦于对象识别、绝对位置和相对位置以及属性识别等基本概念。通过生成大量关于 individual concepts 的问题以及广泛的语言变体，Scrapbook框架旨在在解决更复杂任务之前验证模型对这些基本元素的理解。我们的实验发现，虽然当代模型在识别和计数对象方面表现出色，但在理解位置信息和处理带有额外约束的问题方面存在挑战。具体而言，MobileVLM-V2模型显示出显著的答案不一致和合理的错误答案，而其他模型则表现出对肯定答案的偏好，并在涉及几何图形和位置信息的问题上表现不佳，这表明在理解和一致性方面仍有提升空间。该提议框架提供了一个宝贵的工具，用于生成多样且全面的数据集，可用于系统性地评估和提高AI模型的性能。
引用
@article{arxiv.2509.18176,
title = {A Deep Learning Approach for Spatio-Temporal Forecasting of InSAR Ground Deformation in Eastern Ireland},
author = {Wendong Yao and Saeed Azadnejad and Binhua Huang and Shane Donohue and Soumyabrata Dev},
journal= {arXiv preprint arXiv:2509.18176},
year = {2025}
}
备注
This paper is submitted to IEEE Transactions on Geoscience and Remote Sensing