跳到正文
arXiv · 机器人与计算机视觉· Xiaolin Liu, Yilun Zhu, Xiangyu Zhao, Xuehui Wang, Yan Li, Xin Li, Haoyu Cao, Xing Sun, Shaofeng Zhang, Xu Yang, Zhihang Zhong, Xue Yang·· 2026-10-16AI 评分65

Moment-Video:评估视频多模态大模型在瞬态视觉事件上的时间保真度

Moment-Video: Diagnosing Temporal Fidelity of Video MLLMs on Momentary Visual Events

AI 导读

针对现有视频多模态大模型难以有效利用短暂且关键的视觉证据的问题,作者提出了 Moment-Video 基准。该基准包含 1,000 个人工验证的视频问答对,涵盖七个领域和 25 个子类别,要求模型关注、计数、描述或推理瞬态证据。

来源:arXiv · 机器人与计算机视觉 · arxiv.org