Buchumschlag

SUPERGLASSES: Benchmarking Vision Language Models as Intelligent Agents for AI Smart Glasses

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Zhuohang, Yuan, Xu, Qu, Haohao, Lin, Shanru, Liu, Kanglong, Fan, Wenqi, Li, Qing
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

QA-Dragon: Query-Aware Dynamic RAG System for Knowledge-Intensive Visual Question Answering
von: Jiang, Zhuohang, et al.
Veröffentlicht: (2025)

Enhancing Interpretability for Vision Models via Shapley Value Optimization
von: Fan, Kanglong, et al.
Veröffentlicht: (2025)

Scanpath Prediction in Panoramic Videos via Expected Code Length Minimization
von: Li, Mu, et al.
Veröffentlicht: (2023)

Self-Evolving Vision-Language Models for Image Quality Assessment via Voting and Ranking
von: Wen, Wen, et al.
Veröffentlicht: (2025)

IML-ViT: Benchmarking Image Manipulation Localization by Vision Transformer
von: Ma, Xiaochen, et al.
Veröffentlicht: (2023)

DDFAV: Remote Sensing Large Vision Language Models Dataset and Evaluation Benchmark
von: Li, Haodong, et al.
Veröffentlicht: (2024)

Vinci: A Real-time Embodied Smart Assistant based on Egocentric Vision-Language Model
von: Huang, Yifei, et al.
Veröffentlicht: (2024)

From Macro to Micro: Benchmarking Microscopic Spatial Intelligence on Molecules via Vision-Language Models
von: Li, Zongzhao, et al.
Veröffentlicht: (2025)

FedVLMBench: Benchmarking Federated Fine-Tuning of Vision-Language Models
von: Zheng, Weiying, et al.
Veröffentlicht: (2025)

MoAI: Mixture of All Intelligence for Large Language and Vision Models
von: Lee, Byung-Kwan, et al.
Veröffentlicht: (2024)

SmartWay: Enhanced Waypoint Prediction and Backtracking for Zero-Shot Vision-and-Language Navigation
von: Shi, Xiangyu, et al.
Veröffentlicht: (2025)

Forensics-Bench: A Comprehensive Forgery Detection Benchmark Suite for Large Vision Language Models
von: Wang, Jin, et al.
Veröffentlicht: (2025)

VLRMBench: A Comprehensive and Challenging Benchmark for Vision-Language Reward Models
von: Ruan, Jiacheng, et al.
Veröffentlicht: (2025)

RoiMAM: Region-of-Interest Medical Attention Model for Efficient Vision-Language Understanding
von: Yang, Jiayan, et al.
Veröffentlicht: (2026)

ArchSIBench: Benchmarking the Architectural Spatial Intelligence of Vision-Language Models
von: Shen, Qirui, et al.
Veröffentlicht: (2026)

AutoEval-Video: An Automatic Benchmark for Assessing Large Vision Language Models in Open-Ended Video Question Answering
von: Chen, Xiuyuan, et al.
Veröffentlicht: (2023)

MMT-Bench: A Comprehensive Multimodal Benchmark for Evaluating Large Vision-Language Models Towards Multitask AGI
von: Ying, Kaining, et al.
Veröffentlicht: (2024)

A Benchmark and Evaluation for Real-World Out-of-Distribution Detection Using Vision-Language Models
von: Noda, Shiho, et al.
Veröffentlicht: (2025)

Benchmarking and Mitigating Sycophancy in Medical Vision Language Models
von: Xu, Juangui, et al.
Veröffentlicht: (2025)

An Egocentric Vision-Language Model based Portable Real-time Smart Assistant
von: Huang, Yifei, et al.
Veröffentlicht: (2025)

Imaging for All-Day Wearable Smart Glasses
von: Goesele, Michael, et al.
Veröffentlicht: (2025)

mKG-RAG: Leveraging Multimodal Knowledge Graphs in Retrieval-Augmented Generation for Knowledge-intensive VQA
von: Yuan, Xu, et al.
Veröffentlicht: (2025)

SmartHome-Bench: A Comprehensive Benchmark for Video Anomaly Detection in Smart Homes Using Multi-Modal Large Language Models
von: Zhao, Xinyi, et al.
Veröffentlicht: (2025)

SurgXBench: Explainable Vision-Language Model Benchmark for Surgery
von: Cheng, Jiajun, et al.
Veröffentlicht: (2025)

@Bench: Benchmarking Vision-Language Models for Human-centered Assistive Technology
von: Jiang, Xin, et al.
Veröffentlicht: (2024)

LLMGeo: Benchmarking Large Language Models on Image Geolocation In-the-wild
von: Wang, Zhiqiang, et al.
Veröffentlicht: (2024)

BackdoorVLM: A Benchmark for Backdoor Attacks on Vision-Language Models
von: Li, Juncheng, et al.
Veröffentlicht: (2025)

Attention Debiasing for Token Pruning in Vision Language Models
von: Zhao, Kai, et al.
Veröffentlicht: (2025)

Embodied3DBench: Benchmarking Low-Level Embodied Spatial Intelligence of Vision Language Models
von: Zhang, Jiyao, et al.
Veröffentlicht: (2026)

FinChart-Bench: Benchmarking Financial Chart Comprehension in Vision-Language Models
von: Shu, Dong, et al.
Veröffentlicht: (2025)

Benchmarking Vision-Language Models under Contradictory Virtual Content Attacks in Augmented Reality
von: Xiu, Yanming, et al.
Veröffentlicht: (2026)

Dynamic Rank Adaptation for Vision-Language Models
von: Wang, Jiahui, et al.
Veröffentlicht: (2025)

The Illusion of Clinical Reasoning: A Benchmark Reveals the Pervasive Gap in Vision-Language Models for Clinical Competency
von: Wang, Dingyu, et al.
Veröffentlicht: (2025)

TUBench: Benchmarking Large Vision-Language Models on Trustworthiness with Unanswerable Questions
von: He, Xingwei, et al.
Veröffentlicht: (2024)

VisionClaw: Always-On AI Agents through Smart Glasses
von: Liu, Xiaoan, et al.
Veröffentlicht: (2026)

EPIC-Bench: A Perception-Centric Benchmark for Fine-Grained Embodied Visual Grounding in Vision-Language Models
von: Shan, Haozhe, et al.
Veröffentlicht: (2026)

OmniEarth: A Benchmark for Evaluating Vision-Language Models in Geospatial Tasks
von: Fu, Ronghao, et al.
Veröffentlicht: (2026)

UAVBench and UAVIT-1M: Benchmarking and Enhancing MLLMs for Low-Altitude UAV Vision-Language Understanding
von: Zhan, Yang, et al.
Veröffentlicht: (2026)

From Diagnosis to Improvement: Probing Spatio-Physical Reasoning in Vision Language Models
von: Han, Tiancheng, et al.
Veröffentlicht: (2025)

AgroBench: Vision-Language Model Benchmark in Agriculture
von: Shinoda, Risa, et al.
Veröffentlicht: (2025)