基于多模态语言模型自动生成图像的视觉认知评估方法

本申请涉及一种基于多模态语言模型自动生成图像的视觉认知评估方法。所述方法包括：首先，获取初始图像组成图像识别数据库，采用视觉语言模型扩充所述图像识别数据库，之后，基于当前评估任务从所述图像识别数据库中选择对应图像组成试题，之后，基于所述试题采用语音生成模块生成语音提示，对主体进行视觉认知测试，最后，将视觉认知测试结果输入视觉语言模型生成视觉认知评估报告。通过VLM视觉语言模型自动生成精准的图像描述以及利用语义微调技术生成视觉差异较大但语义差异微小的高精度的相似语义图像，实现了图像知识库的动态扩充以及针对视觉语义细微差异的精准评估，显著降低了人工成本并提高了知识库内容的质量和丰富性。