DialBench：面向指针表计精准读数识别的大规模基准数据集
计算机视觉与模式识别
2025-12-01 v1 人工智能
摘要
指针表计的精准读数识别是智能电力系统中的关键环节，但现有方法因面积反射、遮挡、动态视角以及指针与标尺标记之间的过度重合等挑战而不够稳健。迄今为止，该领域仍缺乏大规模数据集以支持鲁棒算法的开发。为此，本文首先提出了一个新的大规模指针读数基准数据集，称为 RPM-10K，包含 10730 张表计图像，充分反映上述关键挑战。基于该数据集，我们提出了一种 novel 的视觉-语言模型用于指针表计读数识别，称为 MRLM，基于物理关系注入。MRLM 不是通过穷举学习图像级相关性，而是显式地对指针与标尺之间的几何和因果关系进行编码，使感知与物理推理保持一致，体现了世界模型视角。通过跨注意力融合和自适应专家选择，该模型能够解释表计配置并生成精确的数值读数。大量实验充分验证了我们所提出框架在新构建基准数据集上的有效性。该数据集和源代码将发布于 https://github.com/Event-AHU/DialBench
引用
@article{arxiv.2511.21982,
title = {DialBench: Towards Accurate Reading Recognition of Pointer Meter using Large Foundation Models},
author = {Futian Wang and Chaoliu Weng and Xiao Wang and Zhen Chen and Zhicheng Zhao and Jin Tang},
journal= {arXiv preprint arXiv:2511.21982},
year = {2025}
}