首页
/ OpenCompass/VLMEvalKit 中VQA任务的评估问题解析

OpenCompass/VLMEvalKit 中VQA任务的评估问题解析

2025-07-03 08:36:21作者:庞队千Virginia

在OpenCompass/VLMEvalKit项目中,视觉问答(VQA)任务的评估一直是一个值得关注的技术点。近期项目团队确认了OCR-VQA、TextVQA、ChartQA等VQA任务中存在的一些已知问题,并已进行了修复。

评估模式说明

项目团队明确指出,修复后的版本采用了零样本(zero-shot)评估方式对所有基准测试进行评估。这与少量样本(few-shot)评估方式会存在一定差异,开发者和研究人员在使用时需要注意这一区别。

DocVQA评估指标问题

在DocVQA任务评估中,用户反馈使用ANLS(平均归一化莱文斯坦相似度)指标时得分较低(仅5.3分)。这实际上反映了文档视觉问答任务的特殊性:

  1. ANLS是DocVQA任务的标准评估指标,它考虑了答案的模糊匹配
  2. 低分可能源于模型对文档布局理解不足或OCR识别精度问题
  3. 文档类VQA通常比一般VQA任务更具挑战性

技术建议

对于使用VLMEvalKit进行VQA评估的研究人员,建议:

  1. 明确区分不同VQA子任务的特点
  2. 理解各任务的标准评估指标(如DocVQA用ANLS)
  3. 注意评估模式(zero-shot vs few-shot)对结果的影响
  4. 对低分结果进行详细错误分析,而非仅看最终得分

项目团队持续优化这些视觉语言任务的评估框架,开发者可以关注后续更新以获得更准确的评估结果。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
161
2.05 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
198
279
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
949
556
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
96
15
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
346
1.33 K