arXiv · 机器人与计算机视觉· Alibay Osmanli, Zixu Cheng, Shaogang Gong·· 12 小时前AI 评分42
Grounding Video Reasoning in Physical Signals 基准发布:CVPR 2026 VidLLMs Workshop 接收版本
Grounding Video Reasoning in Physical Signals
AI 导读
Grounding Video Reasoning in Physical Signals 基准扩展 V-STaR 结构,涵盖 SSV2、YouCook2 等四源共 1,560 条视频及六物理领域。结果显示物理推理为最强范式,空间定位最弱,且扰动增益集中于原始弱案例。该基准建议报告物理锚定与提示感知的诊断指标,论文已接受于 CVPR 2026 VidLLMs Workshop。
来源:arXiv · 机器人与计算机视觉 · arxiv.org