计算机科学 > 计算与语言
[提交于 2025年7月15日
]
标题: MapIQ:用于地图问答的多模态大语言模型基准测试
标题: MapIQ: Benchmarking Multimodal Large Language Models for Map Question Answering
摘要: 多模态大语言模型(MLLMs)的最新进展促使研究人员探索这些模型在阅读数据可视化方面的能力,例如条形图、散点图。 最近,研究重点转向了地图上的视觉问答(Map-VQA)。 然而,Map-VQA的研究主要集中在等值线地图上,这仅涵盖了有限的主题类别和视觉分析任务。 为了解决这些差距,我们引入了MapIQ,这是一个基准数据集,包含三种地图类型(等值线地图、统计地图和比例符号地图)的14,706个问题-答案对,涵盖六个不同主题(例如,住房、犯罪)。 我们使用六个视觉分析任务对多个MLLMs进行了评估,比较了它们之间的性能以及与人类基线的性能。 一项额外的实验考察了地图设计变化(例如,颜色方案的改变、图例设计的修改以及地图元素的移除)的影响,提供了关于MLLMs的鲁棒性和敏感性的见解,以及它们对内部地理知识的依赖性,以及提高Map-VQA性能的潜在途径。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.