Visual Safety Causal Reasoning LVLM Evaluation Egocentric Vision
摘要

现实场景中的可靠视觉安全理解不仅需要物体识别,更需在认知不确定性下进行因果推理。尽管大型视觉语言模型在标准基准上表现优异,但在第一人称动态场景中常难以区分表面相关性与真实取证逻辑。为此,本文提出 EgoSafe-Bench,包含 12,000 个样本,采用分层推理评估(HRE)协议,强制模型从特征锚定到盲区推导再到意图推断的严谨推理轨迹。评估显示现有模型存在感知与推理脱节问题,描述得分高但因果推理脆弱。

AI 推荐理由

论文核心聚焦于视觉安全场景下的因果推理与逻辑一致性评估,提出分层推理协议。

研究机构
South China University of Technology
论文信息
作者 Yuyun Chen, Tianao Li, TianQuan Feng, Cen Chen, Huiping Zhuang et al.
发布日期 2026-07-29
arXiv ID 2607.26518
相关性评分 9/10 (高度相关)