arXiv · 机器人与计算机视觉· Rintaro Otsubo, Ryo Fujii, Reina Ishikawa, Taiki Kanaya, Kanta Sawafuji, Hiroki Kajita, Shigeki Sakai, Hideo Saito, Ryo Hachiuma·· 2026-10-06精选AI 评分78
AnyGroundBench:面向 VLM 视频定位的多领域适应基准
AnyGroundBench: A Multi-Domain Adaptation Benchmark for Video Grounding in VLMs
AI 导读
针对现有视觉语言模型(VLM)仅在通用场景下以零样本方式评估、难以应对专业领域罕见概念的问题,作者提出了 AnyGroundBench 基准。该基准涵盖动物、工业、体育、手术和公共安全五个专业领域,将专家标注的新视频与既有数据集统一,并提供了专用的有限训练子集。
推荐理由
该基准通过五个专业领域的数据与有限训练子集,系统评估了 VLM 在时空视频定位中的零样本泛化及域适应能力。
来源:arXiv · 机器人与计算机视觉 · arxiv.org