DrawingVQA: Eine Real-World-Benchmark für Multi-Depth Visual-Textual Reasoning bei Bauplänen

Wir stellen DrawingVQA vor, die erste Benchmark zur Evaluierung von Multimodal Large Language Models (MLLMs) auf echten Bauplänen – ein Kernmedium in Architektur, Bauwesen und vielen anderen Ingenieurdisziplinen. Im Gegensatz zu natürlichen Bildern oder Schemata