arXiv · cs.AI· Sidra Hanif·· 1 天前AI 评分27
inkGround：面向真实手写体细粒度视觉定位的 VLM 基准
inkGround: Benchmarking Fine-grained Visual Grounding Capabilities of Vision-Language Models for Cursive Handwriting in the Wild
来源与原文
arXiv · cs.AI
作者：Sidra Hanif
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.38720v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者推出 inkGround 基准，评测视觉语言模型（VLM）从整页相机拍摄手写图像中恢复笔画轨迹的能力，包含 537 张页面图像（约 18.7k 词、约 163k 笔画），并由预训练离线到在线模型生成、经 OCR 一致性过滤和人工核验的参考轨迹。任务被建模为文本条件点定位，输出以 DTW、Chamfer 距离、Accurate Rate、Correct Rate 及风格相似度评分。在 4 个开源与 3 个闭源 VLM 的评测中，闭源模型尤其是 Gemini-3.1-Pro 生成的轨迹最接近参考且可读，该排名在提供真实笔迹轨迹的 IAM-OnDB 上同样成立。
来源：arXiv · cs.AI · arxiv.org