MMStar

MMStar

大型视觉语言模型评估的新标准

MMStar是一个创新的多模态评估基准,包含1500个精选的视觉关键样本。它解决了现有评估中的视觉冗余和数据泄露问题,提高了多模态性能评估的准确性。MMStar涵盖6大核心能力和18个细分维度,每个核心能力均衡分配250个样本。项目提供评估工具、数据集和在线排行榜,为视觉语言模型研究指明新方向。

MMStar多模态评估视觉语言模型基准测试人工智能Github开源项目

<img src="https://yellow-cdn.veclightyear.com/ab5030c0/1099b83c-51c3-49fc-8375-9b0a9117ee11.png" style="vertical-align: -10px;" :height="50px" width="50px"> MMStar

🌐 主页 | 🤗 数据集 | 📖 论文 | 🏆 排行榜

本仓库包含论文"我们是否正确评估大型视觉语言模型?"的官方评估代码和数据集。

💡 亮点

  • 🔥 导致当前LVLM能力误判的两个关键问题
  • 🔥 一个精英视觉不可或缺的多模态基准,MMStar
  • 🔥 两个指标:多模态增益(MG)和多模态泄露(ML)

📜 新闻

[2024.4.16] 🚀 MMStar已在VLMEvalKit仓库和OpenCompass排行榜中得到支持。

[2024.4.2] 🚀 Huggingface数据集评估代码已可用!

[2024.4.1] 🚀 我们发布了ArXiv论文

👨‍💻 待办事项

  • MMStar的评估代码
  • 支持在线排行榜
  • 筹备在线测试集,MMStar-test(这涉及与现有包含受保护测试集的多模态基准合作,欢迎联系我们!)

👀 介绍

我们深入研究了当前的评估工作,并识别出两个主要问题:

(1) 许多样本中视觉内容是不必要的。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/a33e2ab7-5357-4188-8073-d3fc41e01f21.png" :height="200px" width="700px"> </p>

(2) LLM和LVLM训练中存在无意的数据泄露。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/089f28a6-6b20-452f-9a8b-8942a20bb9e2.png" :height="200px" width="500px"> </p>

这两个问题都导致了对实际多模态性能增益的误判,并可能误导LVLM的研究。为此,**我们提出了MMStar,一个由人工精心挑选的1,500个挑战样本组成的精英视觉不可或缺的多模态基准。**经过粗略筛选和人工审核,我们从总共22,401个样本中筛选出11,607个候选样本,最终选择1,500个高质量样本构建我们的MMStar基准。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/3b6f0c4f-1643-4da2-9332-4ffe0d8cabdc.png" :height="200px" width="600px"> </p>

在MMStar中,我们在内环展示了6个核心能力,外环呈现了18个详细轴。中环展示了每个详细维度的样本数量。每个核心能力包含精心平衡的250个样本。我们进一步确保了18个详细轴之间的相对均匀分布。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/faaa2299-bb6a-44f8-982e-d18bfd4f3d91.png" :height="400px" width="400px"> </p>

🤖 评估

您可以按照评估指南在我们的MMStar上评估任何LLM和LVLM。

🏆 排行榜

🎯 MMStar的排行榜正在持续更新,欢迎贡献您的LVLM!

请注意,为了全面评估您自己的LVLM,您需要提供三个xlsx格式的结果文件。这些应包括您的LVLM带视觉输入的结果、您的LVLM不带视觉输入的结果,以及您的原始LLM基础模型不带视觉输入的结果。我们在submits文件夹中提供了提交格式。完成上述步骤后,请通过chlin@mail.ustc.edu.cn与我们联系,提交您的结果并更新排行榜。

📧 联系方式

✒️ 引用

如果您发现我们的工作对您的研究有帮助,请考虑给予星标⭐和引用📝

@article{chen2024we, title={Are We on the Right Way for Evaluating Large Vision-Language Models?}, author={Chen, Lin and Li, Jinsong and Dong, Xiaoyi and Zhang, Pan and Zang, Yuhang and Chen, Zehui and Duan, Haodong and Wang, Jiaqi and Qiao, Yu and Lin, Dahua and others}, journal={arXiv preprint arXiv:2403.20330}, year={2024} }

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多