VIABench：首个面向视障辅助场景的多模态视频评测基准

VIABench 是一个专门用视障人士第一人称视频评估多模态大语言模型（MLLM）的基准，定义了主动提醒、视觉问答和视觉引导交互三项核心任务。

实验表明，当前 MLLM 在主动提醒任务上表现最差，难以准确预判导航事件并实时响应。

该基准支持在线与离线两种评测模式，代码与数据将开源。

arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.

Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs ：https://info.arxiv.org/labs/index.html.