Tag · 1 篇
Spot The Ball: A Benchmark for Visual Social Inference
提供了一个需要从注视方向、身体姿态等社会线索推断隐藏目标的评测设定，可用于检验 VLM 是否真正利用结构化行为线索而非空间捷径，并启发在视觉编码中显式建模人体朝向与视线几何。