How well can VLMs rate audio descriptions: A multi-dimensional quantitative assessment framework

ビジョン言語モデル（VLM）を用いた音声解説（AD）の品質評価フレームワークを提案。盲学生・ロービジョンユーザーの映像アクセスを改善

視覚障害, 支援技術, 生成AI, 海外動向