MARINER：面向开放水域环境的细粒度感知与复杂推理的3E驱动基准
计算机视觉与模式识别
2026-04-13 v1 人工智能
摘要
由于缺乏专门的基准，真实世界开放水域环境中的细粒度视觉理解和高层推理仍未得到充分探索。我们引入了MARINER，这是一个在新型实体-环境-事件(3E)范式下构建的综合性基准。MARINER包含16,629张多源海事图像，涵盖63个细粒度船舶类别、多样的恶劣环境以及5种典型的动态海事事件，覆盖了细粒度分类、目标检测和视觉问答任务。我们对主流多模态大语言模型(MLLMs)进行了广泛评估并建立了基线，结果表明，即使是先进的模型在复杂的海洋场景中也难以进行细粒度判别和因果推理。作为一个专门的海事基准，MARINER填补了海事多模态理解在现实和认知层面评估的空白，并推动了面向开放水域应用的鲁棒视觉语言模型的未来研究。附录和补充材料可在https://lxixim.github.io/MARINER获取。
引用
@article{arxiv.2604.08615,
title = {MARINER: A 3E-Driven Benchmark for Fine-Grained Perception and Complex Reasoning in Open-Water Environments},
author = {Xingming Liao and Ning Chen and Muying Shu and Yunpeng Yin and Peijian Zeng and Zhuowei Wang and Nankai Lin and Lianglun Cheng},
journal= {arXiv preprint arXiv:2604.08615},
year = {2026}
}