视觉语言模型中的颜色名称
计算机视觉与模式识别
2025-09-29 v1
摘要
颜色是人类视觉感知的基本维度，也是沟通物体和场景的主要手段。随着视觉语言模型 (VLM) 变得越来越普遍，理解它们是否像人类一样命名颜色对于有效的人机交互至关重要。我们首次对 VLM 的颜色命名能力进行了系统评估，在五个代表性模型上使用 957 个颜色样本复现了经典的颜色命名方法。我们的结果表明，虽然 VLM 在经典研究中的原型颜色上达到了高准确率，但在扩展的非原型颜色集上性能显著下降。我们识别出在所有模型中一致出现的 21 个常见颜色术语，揭示了两种不同的方法：主要使用基本术语的约束模型与使用系统性亮度修饰语的扩展模型。对九种语言的跨语言分析表明，训练存在严重的不平衡，偏向英语和中文，其中色调是颜色命名决策的主要驱动因素。最后，消融研究表明，语言模型架构显著影响颜色命名，独立于视觉处理能力。
引用
@article{arxiv.2509.22524,
title = {Color Names in Vision-Language Models},
author = {Alexandra Gomez-Villa and Pablo Hernández-Cámara and Muhammad Atif Butt and Valero Laparra and Jesus Malo and Javier Vazquez-Corral},
journal= {arXiv preprint arXiv:2509.22524},
year = {2025}
}