AR 作为评估乐园：桥接计算机视觉模型的指标与视觉感知
计算机视觉与模式识别
2026-02-09 v2
摘要
定量指标是评估计算机视觉（CV）模型的核心，但往往无法捕捉实际性能 due to 协议不一致和 ground-truth 噪声。虽然视觉感知研究可补充这些指标，但需要耗时的端到端系统且复现难度大。我们系统性地总结了评估 CV 模型的关键挑战，并设计了 ARCADE 这一评估平台，利用增强现实（AR）实现简单、可复现且以人类为中心的 CV 评估。ARCADE 采用模块化架构，提供跨平台数据采集、可插拔模型推理和交互式 AR 任务，支持指标和视觉感知评估。我们通过 15 名参与者的用户研究以及深度估计和光照估计等两个典型 CV 任务的案例研究，展示 ARCADE 能够揭示传统指标常忽略的感知缺陷。我们还评估了 ARCADE 的可用性和性能，表明其作为可靠的实时平台具有良好的灵活性。
引用
@article{arxiv.2508.04102,
title = {AR as an Evaluation Playground: Bridging Metrics and Visual Perception of Computer Vision Models},
author = {Ashkan Ganj and Yiqin Zhao and Tian Guo},
journal= {arXiv preprint arXiv:2508.04102},
year = {2026}
}
备注
Accepted at MMSys 2026