ShadowBench:19 个 VLM 判断影子物理一致性几乎全靠猜
HirokatuKataoka · x · 2026-10-28
WACV 2027 接收论文《Where Did the Light Come From?》发布 ShadowBench 基准,用真实照片构造正确影子、去影子、人工标注错误方向三种状态,从三个维度考察视觉语言模型对投影阴影的理解:
- 读取可见影子方向:VLM 表现远超随机,且随规模提升(如 Gemini 89%)。
- 推断缺失影子方向:仅 4651%,能力很弱。
- 判断影子与场景的物理一致性:在消除肯定偏差的二选一测试中,所有模型都跌到随机水平,只有 Gemini-3.1-pro 略超随机(63% vs 随机 50%),远低于人类的 91%。
CoT 推理没有帮助。论文进一步证明:从图像生成模型(IGM)借用缺失的阴影先验,可将二分类准确率从约 50% 提升到 74.7%,同时能暴露图像的不物理一致性。结论是 VLM 缺的不是读影子的能力,而是阴影背后的隐式物理先验。
「模型」频道最新
- 更正:DeepSeek-V4.1-Flash-1017 并非最强,FrontierCode 2.0 得分约 28% — scaling01 · 2026-10-28
- LiveBench 榜单更新：Claude Fable 5.1 以 85.7 分登顶，DeepSeek 领跑开源 — bindureddy · 2026-10-28
- 开源编程模型疑似被榜单刷穿,开发者盼 FrontierCode 2.0 保持干净 — zyxciss · 2026-10-28
- OpenBMB 开源 MiniCPM-OCR:1.3B 解析器搭配 Jev 模型给 OCR 结果打可信分 — omarsar0 · 2026-10-28
- Gemini 聊天记录默认接受人工审查，唯一关闭方式是删除全部聊天 — Kyrannio · 2026-10-28
- 从业者澄清开源模型需求争议:企业自托管推理被高估,需求靠产品拉动 — zephyr_z9 · 2026-10-28