.png){kind=icon}
返回
Large multimodal models evaluation: a survey
.png){kind=icon}
PRE
AI
DOI：10.1007/s11432-025-4676-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着大型多模态模型（LMMs）在多样化的多模态理解与生成任务中迅速发展，对系统化且可靠的评估框架的需求变得日益关键。为应对这一需求，本文综述对LMM评估提供了结构化概述，围绕两大核心轴线展开：多模态理解与生成评估。(1) 对于理解任务，引入了双重视角框架，以区分通用能力基准（强调常见任务）与专业能力基准（反映领域特定领域的专家级能力）。(2) 对于生成任务，评估按输出模态组织，包括图像、视频、音频及3D内容。(3) 从社区视角来看，本文进一步强调了权威排行榜和基础工具，这些工具在构建LMM综合评估生态系统中发挥了关键作用。通过统一通用-专业理解评估与模态特定生成评估，本文梳理了当前的研究现状，并为LMM评估领域的未来研究提供了指导。
Keyword:
large multimodal models
multimodal understanding
multimodal generation
期刊
IF:
7.6
论文数:
4.9K
被引数:
8.9K
机构
查看更多机构
引用论文
NeRF-NQA: No-Reference Quality Assessment for Scenes Generated by NeRF and Neural View Synthesis MethodsNeRF-NQA：基于NeRF和神经视图合成方法的场景无参考质量评估
OAAI
.png){kind=icon}
OAAI分享收藏LMM-VQA: Advancing Video Quality Assessment With Large Multimodal ModelsLMM-VQA：利用大型多模态模型推进视频质量评估
PREAI
分享收藏
UDA: A Benchmark Suite for Retrieval Augmented Generation in Real-World Document AnalysisUda：一个用于检索增强生成在真实文档分析中的基准套件
PREAI
分享收藏DriVQA: A gaze-based dataset for visual question answering in driving scenariosDriVQA：一个基于注视的驾驶场景视觉问答数据集
PREAI
分享收藏SMILES, a chemical language and information system. 1. Introduction to methodology and encoding rules微笑，一种化学语言和信息系统。1.介绍方法和编码规则
PREAI
分享收藏 查看更多内容