跳到正文
arXiv · 机器人与计算机视觉· Zhengdong Hu, Chao Wang, Kaituo Feng, Huanjin Yao, Mingfei Lu, Hehe Fan, Yi Yang·· 20 天前精选AI 评分78

VideoMemBench:多模态大模型在多轮视频对话中的记忆表现如何?

VideoMemBench: How Well Do MLLMs Remember in Video Conversations?

AI 导读

针对现有视频问答基准无法评估多轮对话中跨回合信息保持能力的不足,作者提出了 VideoMemBench 数据集与评测框架。该基准包含 326 个视频和 2476 个对话回合,其中 1387 个样本依赖前序回合(包括对视觉内容的回溯和对模型自身回答的引用)。

推荐理由

该基准通过构建具有时序依赖的视频对话数据集,量化了多模态大模型在长视频上下文中的信息保持能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org